Analisinumerica

Capitolo 1 Equazioni alle Derivate Parziali
1.1 Introduzione
UnEquazione alle Derivate Parziali (in breve PDE, acronimo dei termini e inglesi Partial Dierential Equation) ` unequazione che mette in relazione una funzione incognita dipendente da due (o pi`) variabili indipendenti alle u sue derivate parziali rispetto a queste variabili. La necessit` di utilizzare a tali equazioni sta nel fatto che queste consentono di descrivere in modo pi` u accurato determinati fenomeni naturali. Infatti quando si cerca di descrivere fenomeni dipendenti da diverse variabili indipendenti (pi` comunemente pou sizione e tempo) allora ` necessario utilizzare un modello dierenziale alle e derivate parziali. Un esempio di PDE ` il seguente e a 2u 2u 2u + 2b +c 2 +f x2 xy y x, y, u, u u , x y =0
dove anche a, b, c possono essere funzioni di x, y, u e delle derivate parziali prime di u. Generalmente le derivate parziali del secondo ordine possono essere indicate anche in forma pi` compatta: u uxx 2u = , x2 uxy 2u = , yx uyy 2u = 2 y
e, analogamente quelle del primo ordine. ux = u , x 1 uy = u y
CAPITOLO 1. EQUAZIONI ALLE DERIVATE PARZIALI cosicch` la forma dellequazione appena vista diviene: e auxx + 2buxy + cuyy + f (x, y, u, ux , uy ) = 0. Le equazioni alle derivate parziali del secondo ordine: a(x, y, u)uxx + 2b(x, y, u)uxy + c(x, y, u)uyy + f (x, y, u, ux , uy ) = 0
sono le pi` diuse. Unequazione alle derivate parziali si dice di ordine p se u p ` il massimo ordine di derivata che vi compare. e Generalmente la scelta delle variabili indipendenti dipende dal problema sico: infatti le variabili x, y, z indicano una posizione nello spazio, mentre la varibile t indica il tempo. Talvolta anche le variabili x1 , x2 , x3 indicano una posizione nello spazio. Considerando quindi le due equazioni uxx + uyy + f (x, y, u) = 0, uxx + utt + f (x, t, u) = 0
esse sono matematicamente equivalenti ma sicamente no, perch` la prima e descrive un fenomeno indipendente dal tempo (cio` stazionario) che riguarda e un dominio bidimensionale (la posizione ` descritta dalle variabili (x, y)) e mentre nel secondo caso il fenomeno descritto evolve nel tempo in un dominio monodimensionale. Nellequazione del secondo ordine a(x, y, u)uxx + 2b(x, y, u)uxy + c(x, y, u)uyy + f (x, y, u, ux , uy ) = 0 non compare la derivata uyx perch`, in ipotesi di continuit`, applicando il e a Teorema di Schwarz, le derivate parziali miste sono uguali, cio`: e uxy = uyx . Va anche precisato che nelle equazioni pi` diuse non ` presente la derivau e ta uxy , perch` talvolta non ha signicato sico mentre in altri casi con un e opportuno cambiamento di variabile essa pu` diventare nulla. o
1.1.1
Operatori Dierenziali
Spesso le equazioni alle derivate parziali sono rappresentate in forma pi` u compatta utilizzando determinati operatori dierenziali, tra i quali:
CAPITOLO 1. EQUAZIONI ALLE DERIVATE PARZIALI 1. Il Gradiente di u(x, y, t): ux (x, y, t) gradu(x, y, t) = u(x, y, t) = uy (x, y, t) ut (x, y, t) 2. La Divergenza di una funzione vettoriale u(x, y, t) = (u1 , u2 , u3 ): divu(x, y, t) = 3. Il Laplaciano di u(x, y, t): u = 2 u(x, y, t) = div(grad(u(x, y, t)) = 2u 2u 2u + + 2. x2 y 2 t u1 u2 u3 + + . x y t
4. Il Curl (o Rotore) della funzione vettoriale (o del campo vettoriale) u = (u1 , u2 , u3 ): u3 u2 y z u1 u3 Curl(u) = gradu u = z x u2 u1 x y che trova applicazione nella terza equazione di Maxwell (la cosiddetta Legge di Faraday-Neumann-Lenz) che stabilisce che il rotore del campo elettrico ` uguale e opposto alla derivata dellintensit` del campo e a magnetico e che, in generale, consente di descrivere il comportamento di un campo vettoriale a ruotare rispetto ad un punto.
Descriviamo ora i pi` noti esempi di equazioni del secondo ordine. u Esempio 1.1.1 Lequazione donda 2u 2u 1 2u + 2 = 2 2 x2 y c t
CAPITOLO 1. EQUAZIONI ALLE DERIVATE PARZIALI
descrive, in funzione della posizione e del tempo, lo spostamento, rispetto al punto di equilibrio, di una corda vibrante. Lequazione descrive anche il campo elettrico o magnetico in unonda elettromagnetica oppure lintensit` di a corrente oppure il potenziale lungo una linea di trasmissione. La quantit` c a ` la velocit` di propagazione dellonda. e a Esempio 1.1.2 Lequazione di diusione 2u 2u + x2 y 2 = u t
descrive la temperatura in una regione che non contiene sorgenti di calore, e si applica anche alla diusione di un composto chimico in un mezzo permeabile (liquido, mezzo poroso) avente concentrazione u(x, y, t). La costante viene detta diusivit`. a Esempio 1.1.3 Lequazione di Laplace 2 u = 0 2u 2u + =0 2x 2y
pu` essere ottenuta dallequazione di diusione ponendo a zero la derivao ta rispetto al tempo e descrive la distribuzione di temperatura in regime stazionario di un solido privo di sorgenti di calore. Lequazione di Laplace descrive anche il potenziale elettrostatico in una regione priva di carica elettrica. Si applica anche al usso di un uido incompromibile in una regione senza vortici, sorgenti o scarichi. Esempio 1.1.4 Lequazione di Poisson 2 u = (x, y) 2u 2u + = (x, y) 2x 2y
descrive la stessa situazione dellequazione di Laplace ma in una regione in cui c` carica elettrica oppure una sorgente di calore o di uido. La funzione e (x, y) si chiama densit` di sorgente e dipende anche da costanti siche. Per a esempio nellequazione di Poisson: (x, y) 2u 2u + 2 = 2x y dove u(x, y) rappresenta il potenziale elettrostatico di una regione dello spazio, (x, y) rappresenta la densit` della carica elettrica e ` la permittivit` della a e a sostanza.
Esempio 1.1.5 Studiando il fenomeno della ltrazione dellacqua nel sottosuolo supponiamo che sia una regione dello spazio occupata da un cosiddetto mezzo poroso (terra o argilla per esempio), che abbia conduttivit` idraulica a K. Indicando con (x, y, z) il livello dellacqua, e con q = (qx , qy , qz ) la velocit` di ltrazione, allora applicando la legge di Darcy risulta che tale a velocit` ` proporzionale alla variazione del livello dellacqua: ae q = K , , x y z
e inoltre, per la propriet` di conservazione della massa, la divergenza di q a deve essere nulla: divq = 0. Applicando la denizione di divergenza segue: divq = qx qy qz + + = x y z 2 2 2 + + 2 x2 y 2 z = 0.
= K
Da cui segue che la funzione soddisfa lequazione di Laplace: = 0. La principale motivazione che spinge a risolvere numericamente le equazioni alle derivate parziali sta nel fatto che non esistono tecniche analitiche generali per ottenere la soluzione anche se per alcuni tipi di equazioni (soprattutto lineari) pu` essere scritta esplicitamente sotto forma di serie di Fourier. Tuto tavia la convergenza di tali sviluppi in serie ` lenta quindi per ottenere una e buona approssimazione ` richiesto il calcolo di un numero di termini partie colarmente elevato. Per altri tipi di equazioni si pu` scrivere lespressione o della soluzione teorica sotto forma di integrali che spesso non possono essere calcolati esattemente ma solo approssimati numericamente. Considerando unequazione alle derivate parziali del secondo ordine essa pu` o essere di tipo Lineare: a(x, y)uxx +2b(x, y)uxy +c(x, y)uyy +d(x, y)ux +e(x, y)uy +f (x, y)u+g(x, y) = 0
CAPITOLO 1. EQUAZIONI ALLE DERIVATE PARZIALI oppure Quasi-Lineare: a(x, y, u, ux , uy )uxx + 2b(x, y, u, ux , uy )uxy + c(x, y, u, ux , uy )uyy + +f (x, y, u, ux , uy ) = 0 oppure ancora Semi-Lineare: a(x, y)uxx + 2b(x, y)uxy + c(x, y)uyy + f (x, y, u, ux , uy ) = 0.
1.2
Classicazione delle equazioni alle derivate parziali

auxx + 2buxy + cuyy + dux + euy + f u + g = 0, (1.1)
Consideriamo lequazione alle derivate parziali lineare
con (x, y) R2 e tale che a2 + b2 + c2 = 0 per ogni (x, y) . La classicazione delle equazioni alle derivate parziali avviene in base al segno assunto dalla quantit` a = b2 ac. Infatti unequazione alle derivate parziali del secondo ordine si dice: 1. iperbolica se > 0, 2. ellittica se < 0, 3. parabolica se = 0. Tale classicazione (per la verit` un po superata) dipende solo dallanalogia a formale tra la (1.1) e lequazione completa di una conica ax2 + 2bxy + cy 2 + dx + ey + f = 0, che, in funzione del valore assunto dal discriminante , rappresenta 1. uniperbole se b2 ac > 0, 2. unellisse se b2 ac < 0, 3. una parabola se b2 ac = 0.
Si tratta di una classicazione non univoca perch` se i coecienti a, b, c dipene dono da x e y allora il tipo di equazione dipende dal dominio dellequazione. Per esempio, considerando lequazione del secondo ordine: y(x2 + 1)uxx + (x2 1)uyy + 3x + y = 0 con (x, y) R2 risulta = y(x2 1)(x2 + 1) e la situazione ` schematizzata nel seguente graco, in cui lungo le rette e rosse lequazione ` parabolica, nella zona verde ` iperbolica, mentre nella e e zona arancio ` ellittica. e y x = 1 x=1
Ovviamente questo tipo di classicazione presenta anche un altro problema, in quanto consente di riconoscere solo equazioni alle derivate parziali del secondo ordine. Un modo indubbiamente migliore, e sicuramente univoco, per classicare unequazione alle derivate parziali ` quello di farlo in base e
al tipo di fenomeno che essa descrive. Le equazioni alle derivate parziali possono essere divise sommariamente in due tipi: equazioni stazionarie, in cui tutte le variabili sono spaziali, ed equazioni di evoluzione, le quali presentano una derivazione sia rispetto allo spazio che rispetto al tempo. Le equazioni di evoluzione rappresentano modelli matematici di fenomeni sici che subiscono variazioni nel tempo e sono molto importanti nella descrizione dei fenomeni ondulatori, termodinamici, nei processi di diusione e nella dinamica delle popolazioni. Le equazioni alle derivate parziali, come detto in precedenza, vengono anche classicate in ellittiche, paraboliche ed iperboliche. Le equazioni ellittiche sono di tipo stazionario mentre le paraboliche e le iperboliche sono equazioni di evoluzione. Le equazioni di evoluzione possono essere viste come delle equazioni dierenziali ordinarie senza variabili spaziali, infatti uno dei metodi pi` ecaci per risolvere le equazioni di u evoluzione ` quello di approssimarle con un sistema di equazioni dierenziali e ordinarie. Questo tipo di classicazione pu` essere ulteriormente ranato o considerando altre classi di fenomeni sici, per esempio i cosiddetti Problemi di avvezione che descrivono il moto di masse gassose (e che sono particolarmente utilizzati nella descrizione di fenomeni meteorologici). Volendo classicare le equazioni introdotte in precedenza si pu` osservare che o Lequazione di Laplace 2u 2u + = 0. x2 y 2 ` Stazionaria ed Ellittica ( = 1); e Lequazione di Poisson 2u 2u + = (x, y) x2 y 2 ` Stazionaria ed Ellittica ( = 1); e Lequazione donda 2u 2u 2 = 0, x2 t ` di Evoluzione ed Iperbolica ( = ); e >0
CAPITOLO 1. EQUAZIONI ALLE DERIVATE PARZIALI Lequazione di diusione 2 u u = 0, x2 t
` di Evoluzione e Parabolica ( = 0); e Lequazione di Burgers u u +u = 0, t x (1.2)
` di Evoluzione, ed ha numerose applicazioni in idrodinamica e gasdie namica e nello studio delle onde acustiche. Anche se lultimo tipo di equazione non rientra nella classicazione vista in precedenza (infatti non ` del secondo ordine), si pu` vericare che ` di tipo e o e Iperbolico, in quanto pu` essere riscritta nel seguente modo: o 2u 2 u u u u2 2 + u t2 x t x u x
2
= 0.
(1.3)
Infatti derivando (1.2) rispetto a x e a t si ottiene: 2u + xt e u x

2
+u
2u =0 x2
2 u u u 2u + +u = 0. t2 t x tx Ricavando la derivata mista dalla prima equazione e sostituendo il valore nella seconda si ottiene la relazione (1.3). In questo caso = u2 , da cui segue che lequazione ` appunto iperbolica (purch` u = 0). e e
Capitolo 2 Derivazione numerica

2.1 Introduzione
I metodi per la risoluzione numerica di equazioni alle derivate parziali che saranno descritti nei prossimi capitoli sono detti Metodi alle dierenze nite e sono basati sullapprossimazione discreta delle derivate parziali che compaiono nellequazione. In questo capitolo aronteremo quindi il problema relativo allapprossimazione delle derivate prima e seconda di una funzione in un punto del dominio utilizzando opportune combinazioni lineari tra i valori assunti dalla funzione in tale punto e in altri punti ad esso adiacenti. Nei successivi paragra considereremo il caso di una funzione in una singola variabile. Per semplicit` supponiamo che tale funzione, f (t), sia continua a e dierenziabile in un intervallo [a, b] no ad un opportuno ordine k. Inizialmente considereremo il caso in cui lintervallo [a, b] sia stato suddiviso in un insieme di sottointervalli di uguale ampiezza (griglia uniforme), per poi considerare il caso in cui la funzione sia nota in un insieme di punti non equidistanti (griglia non uniforme). Nei capitoli successivi sar` descritto lua so di tali approssimazioni per le derivate parziali di funzioni denite su un insieme R2 (oppure R3 ).
2.2
Approssimazione discreta delle derivate
Come detto in precedenza supponiamo che f C k ([a, b]) e suddividiamo lintervallo di variabilit` di t in sottointervalli di ampiezza h. Consideriamo a tre punti consecutivi appartenenti a tale reticolazione, rispettivamente ti1 , 10
CAPITOLO 2. DERIVAZIONE NUMERICA ti e ti+1 tali che ti1 = ti h, ti+1 = ti + h.
11
Scriviamo lo sviluppo in serie di Taylor di f (ti+1 ) prendendo come punto iniziale ti : f (ti+1 ) = f (ti ) + hf (ti ) + h2 h3 h4 f (ti ) + f (ti ) + f iv (i ), i [ti , ti+1 ] 2 6 24
e procediamo in modo analogo per f (ti1 ): f (ti1 ) = f (ti ) hf (ti ) + h2 h3 h4 f (ti ) f (ti ) + f iv (i ), i [ti1 , ti ]. 2 6 24
Sommiamo ora le due espressioni f (ti+1 ) + f (ti1 ) = 2f (ti ) + h2 f (ti ) + ricavando f (ti ) = f (ti+1 ) 2f (ti ) + f (ti1 ) h2 iv f (i ) + f iv (i ) h2 24 h4 iv f (i ) + f iv (i ) 24
e, trascurando lultimo termine, lapprossimazione della derivata seconda `: e f (ti ) f (ti+1 ) 2f (ti ) + f (ti1 ) h2 (2.1)
mentre si pu` provare che lerrore vale: o E(f (ti )) = h2 iv f (), 12 [ti1 , ti+1 ].
Nel seguente graco viene evidenziata linterpretazione geometrica della formula appena ricavata.
CAPITOLO 2. DERIVAZIONE NUMERICA
12
y = f (t)
ti1
ti
ti+1
Infatti lapprossimazione appena trovata coincide con il valore della derivata seconda della parabola passante per i punti (ti1 , f (ti1 )), (ti , f (ti )) e (ti+1 , f (ti+1 )). Infatti scrivendo lequazione di tale parabola come: p(t) = a(t ti )(t ti1 ) + b(t ti1 ) + c risulta c = f (ti1 ) b = a = e la propriet` segue poich`: a e f (ti+1 ) 2f (ti ) + f (ti1 ) . h2 Poniamoci il problema di approssimare derivata prima e procediamo nello stesso modo cio` scrivendo le serie di Taylor per f (ti+1 ) e f (ti1 ) : e p (t) = 2a = h3 h2 f (ti+1 ) = f (ti ) + hf (ti ) + f (ti ) + f (i ), i [ti , ti+1 ] 2 6
f (ti ) f (ti1 ) h f (ti+1 ) 2f (ti ) + f (ti1 ) 2h2
CAPITOLO 2. DERIVAZIONE NUMERICA h2 h3 f (ti ) f (i ), i [ti1 , ti ] 2 6 e questa volta sottraiamo la seconda dalla prima: f (ti1 ) = f (ti ) hf (ti ) + f (ti+1 ) f (ti1 ) = 2hf (ti ) + ottenendo f (ti ) = f (ti+1 ) f (ti1 ) h2 [f (i ) + f (i )] 2h 12 h3 [f (i ) + f (i )] 6
13
e, trascurando lultimo termine, lapprossimazione della derivata prima `: e f (ti ) f (ti+1 ) f (ti1 ) 2h (2.2)
mentre si pu` provare che lerrore vale: o E(f (ti )) = h2 f (), 6 [ti1 , ti+1 ].
m=
f (ti+1 ) f (ti1 ) 2h
y = f (t)
ti1
ti
ti+1
La formula (2.2) prende il nome di formula alle dierenze centrali. Osserviamo che sia per questa che per lapprossimazione numerica per la derivata
14
seconda lerrore dipende da h2 , sono formule cio` del secondo ordine. Vedie amo ora altre due approssimazioni per la derivata prima. Infatti possiamo anche scrivere: f (ti+1 ) = f (ti ) + hf (ti ) + h2 f (i ), 2 i [ti , ti+1 ]
da cui si ricava immediatamente la formula alle dierenze in avanti: f (ti ) con errore f (ti+1 ) f (ti ) h (2.3)
h E(f (ti )) = f (i ). 2
m=
f (ti+1 ) f (ti ) h
y = f (t)
ti1
ti
ti+1
Analogamente si ricava h2 f (ti1 ) = f (ti ) hf (ti ) + f (i ), 2
i [ti1 , ti ]
da cui si ricava immediatamente la formula alle dierenze allindietro: f (ti ) f (ti ) f (ti1 ) h (2.4)
CAPITOLO 2. DERIVAZIONE NUMERICA con errore
15
h E(f (ti )) = f (i ). 2 Queste due formule hanno ordine 1, quindi sono meno precise rispetto alla formula alle dierenze centrali, tuttavia hanno il pregio di poter essere applicate quando la derivata prima ` discontinua in ti . e
m=
f (ti ) f (ti1 ) h
y = f (t)
ti1
ti
ti+1
2.3
Approssimazioni di ordine superiore e di derivate di grado superiore
Per determinare approssimazioni di ordine superiore per le derivate prima e seconda di una funzione di variabile reale ` necessario aumentare il numero e di punti che sono coinvolti. A puro titolo di esempio calcoliamo unapprossimazione per la derivata seconda in ti che coinvolge due a punti a destra e due a sinistra (quindi in tutto 5 punti). Il modo di procedere risulta ovviamente molto pi` complesso e sicuramente meno intuitivo rispetto a quanto visto u nora. Si vogliono determinare i coecienti della seguente relazione f (ti ) f (ti2 ) + f (ti1 ) + f (ti ) + f (ti+1 ) + f (ti+2 ) (2.5)
16
in modo tale che lapprossimazione a sinistra abbia lordine p voluto, cio` e risulti: f (ti ) = f (ti2 ) + f (ti1 ) + f (ti ) + f (ti+1 ) + f (ti+2 ) + chp f (p) (i ) con i ]ti2 , ti+2 [. Scriviamo ora gli sviluppi in serie di Taylor rispetto al punto ti dei valori che compaiono in (2.5): 4h3 2h4 iv 4h5 v f (ti ) + f (ti ) f (i ) 3 3 15 (2.6) h2 h3 h4 iv h5 v f (ti1 ) = f (ti )hf (ti )+ f (ti ) f (ti )+ f (ti ) f (i ). (2.7) 2 6 24 120 Sostituendo (2.6) e (2.7) in (2.5) e raccogliendo i termini con il medesimo ordine di derivata si deve imporre che il risultato abbia nulli i coecienti dei termini dierenziali di ordine 0,1,3 e 4, mentre quello di ordine 2 deve essere uguale a 1. In questo modo si arriva ad ottenere un sistema di cinque equazioni nelle cinque incognite: + + + + = 0 2h h +h +2h = 0 2 2 + h +2h2 = 1 2h2 +h 2 2 3 4 3 4 h h3 3 + h + 3 h3 = 0 6 6 2 4 4 4 h +h + h + 2 h4 = 0 3 24 24 3 f (ti2 ) = f (ti ) 2hf (ti ) + 2h2 f (ti ) che ammette come soluzione == 1 , 12h2 = 5 , 2h2 == 4 3h2
che consente di ottenere la seguente approssimazione 1 4 5 4 1 1 f (ti2 ) + f (ti1 ) f (ti ) + f (ti+1 ) f (ti+2 ) h2 12 3 2 3 12 (2.8) con un errore E(f (ti )) = ch4 f (vi) (i ), c R, f (ti )
17
e pertanto di ordine 4, purch` f (t) sia una funzione di classe C vi ([a, b]). e Anche per la derivata prima ` possibile ricavare approssimazioni discrete di e ordine maggiore coinvolgendo un numero di punti superiore. Consideriamo i seguenti sviluppi in serie di Taylor: f (ti+1 ) = f (ti ) + hf (ti ) + h2 h3 f (ti ) + f (i ) 2 6 (2.9) (2.10)
4 f (ti+2 ) = f (ti ) + 2hf (ti ) + 2h2 f (ti ) + h3 f (i ) 3 Moltiplicando (2.9) per 4 e sottraendo la (2.10) si ottiene 2 4 4f (ti+1 ) f (ti+2 ) = 3f (ti ) + 2hf (ti ) + h3 f (i ) h3 f (i ), 3 3 che consente di ottenere la seguente approssimazione f (ti ) con errore 4f (ti+1 ) 3f (ti ) f (ti+2 ) 2h
(2.11)
2 E(f (ti )) = h2 [f (i ) 2f (i )] , 3 da cui segue che la formula ha ordine 2. Procedendo come per la (2.8) e prendendo 2 punti a sinistra di ti e uno a destra, si pu` ottenere, per la derivata prima, la seguente approssimazione o di ordine 3: f (ti ) f (ti2 ) 6f (ti1 ) + 3f (ti ) + 2f (ti+1 ) , 6h f (ti2 ) 8f (ti1 ) + 8f (ti+1 ) f (ti+2 ) . 12h (2.12)
e la seguente di ordine 4: f (ti )
Come esempio si riporta nella seguente tabella lerrore che si commette approssimando il valore della derivata prima della funzione f (x) = log x in x = 4, utilizzando le formule introdotte in questo paragrafo e per valori di h decrescenti. Si osservi come la diminuzione dellerrore rispetto al valore di h sia molto pi` accentuata per le formule di ordine pi` elevato. u u
CAPITOLO 2. DERIVAZIONE NUMERICA h 1 0.5 0.25 0.1 0.01 0.005 (2.2) 5.41E 3 1.31E 3 3.26E 4 5.21E 5 5.21E 7 1.30E 7 (2.3) 2.69E 2 1.44E 2 7.50E 3 3.07E 3 3.18E 3 1.56E 4 (2.4) 3.77E 2 1.71E 2 8.15E 3 3.18E 3 3.13E 4 1.56E 4 (2.11) 6.45E 3 2.01E 3 5.69E 4 9.86E 5 1.04E 6 2.60E 7 (2.12) 3.46E 3 3.09E 4 3.40E 5 2.04E 6 1.96E 9 2.45E 10
18
Nella seguente tabella sono riportati gli errori commessi nellapprossimazione della derivata seconda per la stessa funzione f (x) = log x, in x = 4. h 1 0.5 0.25 0.1 0.01 0.005 (2.1) (2.8) 2.0385E 3 4.2214E 4 4.9343E 4 2.1603E 5 1.2239E 4 1.2904E 6 1.9539E 5 3.2629E 8 1.9531E 7 4.9546E 12 4.8825E 8 1.4567E 13
Approssimazione di derivate di ordine superiore Per motivi di completezza citiamo al termine di questo paragrafo alcune approssimazioni di derivate di ordine superiore al secondo. In particolare per la derivata terza possiamo ottenere la seguente approssimazione, di ordine 2: f (ti ) f (ti+2 ) 2f (ti+1 ) + 2f (ti1 ) f (ti2 ) . 2h3
Per quello che riguarda la derivata quarta la seguente approssimazione f iv (ti ) f (ti+2 ) 4f (ti+1 ) + 6f (ti ) 4f (ti1 ) + f (ti2 ) h4
ha ordine 2. Bisogna considerare che, in realt`, tali approssimazioni vena gono utilizzate piuttosto raramente poich` le equazioni alle derivate parziali e che consideremo nel seguito, e che sono quelle incontrate pi` spesso nelle u applicazioni, sono al pi` del secondo ordine. u
19
2.4
Approssimazione delle derivate su griglie non uniformi
Su griglie non uniformi lapprossimazione della derivata prima ` piuttosto e semplice. Infatti supponendo di conoscere i valori (ti h1 , f (ti h1 )) e (ti + h2 , f (ti + h2 )) la derivata prima in ti pu` essere approssimata con il o coeciente angolare della retta che passa per tali punti: f (ti ) f (ti + h2 ) f (ti h1 ) h1 + h2
Consideriamo, a puro titolo di esempio, il problema di approssimare la derivata seconda della funzione f (t) nel punto di ascissa ti ma considerando i valori della funzione nei punti non equidistanti ti h e ti +sh, con 0 < s < 1. Sviluppiamo in serie di Taylor la funzione nel punto ti + sh prendendo come punto iniziale ti f (ti + sh) = f (ti ) + shf (ti ) + s2 h2 s3 h3 f (ti ) + f (i ), i [ti , ti + sh] 2 6 h2 h3 f (ti ) f (i ), i [ti1 , ti ]. 2 6 sh3 sh2 f (ti ) f (i ) 2 6
e procediamo in modo analogo per f (ti1 ): f (ti1 ) = f (ti ) hf (ti ) +
Moltiplichiamo per s questultima espressione sf (ti1 ) = sf (ti ) shf (ti ) + e sommiamola con quella di f (ti + sh): f (ti +sh)+sf (ti1 ) = f (ti )(1+s)+ ricavando f (ti ) = 2 h f (ti + sh) f (ti )(1 + s) + sf (ti1 ) f (i ) s2 f (i ) + 2 (1 + s) sh 3(1 + s) h2 sh3 2 s f (i ) f (i ) f (ti )s(1+s)+ 2 6
e, trascurando lultimo termine, lapprossimazione della derivata seconda `: e f (ti ) 2 f (ti + sh) f (ti )(1 + s) + sf (ti1 ) sh2 (1 + s) (2.13)
CAPITOLO 2. DERIVAZIONE NUMERICA mentre lerrore vale: E(f (ti )) = h f (i ) s2 f (i ) . 3(1 + s)
20
Volendo ottenere unapprossimazione pi` accurata si pu` utilizzare la seu o guente formula, della quale si omette la dimostrazione, che utilizza lulteriore valore f (ti2 ) ma ` di ordine 2: e f (ti ) 1 s1 2(2 s) 3s 6f (ti + sh) . f (ti2 ) + f (ti1 ) f (ti ) + h2 s + 2 s+1 s s(s + 1)(s + 2)
Capitolo 3 Equazioni ellittiche

3.1 Lequazione di Laplace
Vediamo ora di descrivere una tecnica per la risoluzione numerica della pi` u elementare equazione ellittica lineare, lequazione di Laplace: uxx + uyy = 0, ovvero u 2u 2u + = 0. x2 y 2 (3.1)
Se una funzione u(x, y) ` di classe C 2 in un determinato sottoinsieme R2 e ed ` una soluzione di (3.1) nello stesso allora prende il nome di funzione e armonica. L a principale propriet` di queste funzioni ` enunciata nel seguente a e teorema. Teorema 3.1.1 (Principio del massimo) Sia una regione limitata e semplicemente connessa e sia la sua frontiera. Sia = . Se u(x, y) ` e armonica su e continua su , allora u(x, y) assume il suo valore massimo su . Lequazione di Laplace pu` essere associata ad un problema di Dirichlet o quando, assegnata una funzione f (x, y) di classe C 2 () si cerca una funzione u(x, y) tale che: 1. u(x, y) ` continua su ; e 2. u(x, y) = f (x, y) per ogni (x, y) ; 21
CAPITOLO 3. EQUAZIONI ELLITTICHE 3. u(x, y) ` armonica in . e
22
In alternativa si pu` imporre la cosiddetta condizione di Neumann in cui, al o posto della condizione 2., si impone che sia u = f (x, y) n cio` sia assegnata la derivata normale di u(x, y) rispetto alla curva . Ricore diamo che se nT = (nx , ny ), ` il vettore normale allora e u u u = nx + ny . n x y Consideriamo ora la risoluzione dellequazione di Laplace prendendo uguale al rettangolo [a, b] [c, d], con b > a e d > c. In questo caso un metodo ` quello di approssimare loperatore dierenziale dopo avere discretizzato e linsieme . Innanzitutto si suddivide lintervallo [a, b] in N parti uguali, ognuna di ampiezza ba h= N per poi porre x0 = a, e xi = xi1 + k = a + ih i = 1, 2, . . . , N.
Lo stesso procedimento si segue per le ordinate suddividendo lintervallo [c, d] in M parti uguali, ciascuna di ampiezza k= per poi porre y0 = c, e yj = yj1 + h = c + jk j = 1, 2, . . . , M. dc M
In questo modo si ottiene linsieme discreto di punti del piano RN +1,M +1 = (xi , yj ) R2 |xi = a + ih, i = 0, N, yj = c + jk, j = 0, M . La risoluzione numerica del problema di Dirichlet associato consiste nellapprossimare opportunamente la funzione u(x, y) nei punti appartenenti allinsieme RN +1,M +1 , tenendo presente che la soluzione ` nota sul perimetro del e rettangolo [a, b] [c, d]. Linsieme discretizzato ` evidenziato nella seguente e gura.
CAPITOLO 3. EQUAZIONI ELLITTICHE

y
23
3.2
Il metodo a 5 punti per lequazione di Laplace
Lidea alla base del metodo a 5 punti ` quella di approssimare le derivate e parziali seconde nei punti del reticolo RN +1,M +1 e imporre che tali approssimazioni soddisfano lequazione di Laplace. Poniamo innanzitutto ui,j u(xi , yj ), i = 0, 1, . . . , N, j = 0, 1, . . . , M
e, per approssimare la derivata parziale seconda uxx (xi , yj ), consideriamo i seguenti 3 punti del reticolo (xi1 , yj ), (xi , yj ) e (xi+1 , yj ) e, applicando la formula (2.1) supponendo costante il valore yj , risulta: ui+1,j 2ui,j + ui1,j 2u (xi , yj ) . 2 x h2 Analogamente per approssimare uyy (xi , yj ) consideriamo i seguenti 3 punti del reticolo (xi , yj1 ), (xi , yj ) e (xi , yj+1 ) e, applicando la formula (2.1), risulta: ui,j+1 2ui,j + ui,j1 2u (xi , yj ) . 2 y k2
24
Adesso possiamo imporre che queste approssimazioni soddisfano lequazione di Laplace ui+1,j 2ui,j + ui1,j ui,j+1 2ui,j + ui,j1 + =0 h2 k2 (ui+1,j 2ui,j + ui1,j )k 2 + (ui,j+1 2ui,j + ui,j1 )h2 = 0. Il metodo a cinque punti assume quindi la forma nale h2 ui,j1 + k 2 ui1,j 2(h2 + k 2 )ui,j + k 2 ui+1,j + h2 ui,j+1 = 0 con i = 1, . . . , N 1, e j = 1, . . . , M 1. Tenendo presente che la funzione u(x, y) ` nota sul bordo del rettangolo e alcune delle approssimazioni non devono essere calcolate, infatti: u0,j ui,0 uN,j ui,M = u(x0 , yj ) = u(xi , y0 ) = u(xN , yj ) = u(xi , yM ) = u(a, yj ) = u(xi , c) = u(b, yj ) = u(xi , d) = f (a, yj ), = f (xi , c), = f (b, yj ), = f (xi , d), j = 0, . . . , M i = 0, . . . , N j = 0, . . . , M i = 0, . . . , N.
Lo schema numerico ` sintetizzato nel seguente stencil: e h2
k2
2(h2 + k 2 )
k2
h2
25
3.2.1
Ordinamento delle incognite
Le relazioni che legano le incognite ui,j formano un sistema lineare la cui struttura dipende dal modo con cui vengono ordinate tali incognite. Un primo modo di riordinare le incognite ui,j ` quello di porre e uT = (u1,1 , u2,1 , . . . , uN 1,1 , u1,2 , . . . , uN 1,2 , . . . , u1,M 1 , . . . , uN 1,M 1 ) ed ` schematizzato dal seguente graco. e
25 17 9 1
26 18 10 2
27 19 11 3
28 20 12 4
29 21 13 5
30 22 14 6
31 23 15 7
32 24 16 8
Tale ordinamento prende il nome di Ordinamento naturale (o lessicograco). Si inizia quindi dal punto (x1 , y1 ), che viene numerato con 1, e si procede verso destra. Appena terminata la riga si passa a quella superiore, si considera il punto (x1 , y2 ) e cos` via. La prima equazione (cio` quella per la prima e incognita) si ottiene quindi per i = j = 1: k 2 u1,0 + h2 u0,1 2(h2 + k 2 )u1,1 + h2 u2,1 + k 2 u1,2 = 0 equivalente a 2(h2 + k 2 )u1,1 + h2 u2,1 + k 2 u1,2 = k 2 u1,0 h2 u0,1 , in quanto ogni volta che una delle relazioni coinvolge un punto sulla frontiera dellinsieme tale valore, essenco noto, contribuisce al termine noto del
CAPITOLO 3. EQUAZIONI ELLITTICHE sistema. La seconda equazione si ottiene per i = 2 e j = 1: k 2 u2,0 + h2 u1,1 2(h2 + k 2 )u2,1 + h2 u3,1 + k 2 u2,2 = 0 equivalente a h2 u1,1 2(h2 + k 2 )u2,1 + h2 u3,1 + k 2 u2,2 = k 2 u2,0 .
26
Lequazione relativa alla generica incognita di posto (i, j) ha al pi` 5 coefu cienti diversi da 0: 3 relativi alle 3 incognite numerate consecutivamente (i 1, j), (i, j) e (i + 1, j), uno relativo ad una precedente, (i, j 1), e uno ad una successiva (i, j + 1), numerate rispettivamente N 1 prima ed N 1 dopo. Per ottenere le approssimazioni ` quindi necessario risolvere un sistema e lineare Au = b che ha la seguente struttura tridiagonale a blocchi T J J T J ... ... ... A= J T J J T
Nella Figura 3.1 ` riportata la struttura della matrice nel caso della griglia e riportata come esempio in precedenza. Il sistema lineare da risolvere ha una struttura molto sparsa: se indichiamo con n la sua dimensione (n = (M 1)(N 1)) poco meno di 5n elementi sono diversi da zero su n2 elementi della matrice dei coecienti. Questo signica che il sistema pu` essere o
dove J = k 2 IN 1 , essendo IN 1 ` la matrice identit` di ordine N 1, e T ` e a e la seguente matrice tridiagonale di dimensione N 1: 2(h2 + k 2 ) h2 h2 2(h2 + k 2 ) h2 ... ... ... T = . 2 2 2 2 h 2(h + k ) h 2 2 2 h 2(h + k )
27
risolto in modo pi` eciente utilizzando i cosiddetti metodi iterativi (vedere u Capitolo 7) e non diretti (tipo fattorizzazione LU ) che distruggerebbero la struttura sparsa della matrice. Come esempio di questa aermazione nella Figura 3.2 riportiamo la struttura della matrice triangolare superiore U della fattorizzazione LU di A, come si pu` osservare ha ben 231 elementi diversi o da zero (da confrontare con i 136 di A).
Ordinamento Lessicografico 0
10
15
20
25
30
10
15 nz = 136
20
25
30
Figura 3.1: Struttura della matrice dei coecienti per lordinamento Lessicograco Lordinamento lessicograco non ` lunico modo di numerare le incognite del e sistema lineare in oggetto, altri sono: 1. Ordinamento Cuthill-McKee; 2. Ordinamento Red-Black; 3. Ordinamento Multicolore.

Ordinamento LessicograficoFattore U 0
28
10
15
20
25
30
10
15 nz = 231
20
25
30
Figura 3.2: Struttura del fattore triangolare U per la matrice dei coecienti denita dallordinamento Lessicograco Nellordinamento Cuthill-McKee, proposto nel 1969, si ordinano le incognite partendo da un punto ssato e numerando i punti adiacenti in modo tale da privilegiare quelli che si trovano lungo una determinata direzione (di solito quella diagonale); se non ce ne sono si prende un altro nodo adiacente (o quello a destra oppure quello in alto) e si prosegue. La tecnica ` schematizzata e nel seguente graco.
29
Ordinamento di Cuthill-McKee
10 4 3 1
11 9 5 2
18 12 8 6
19 17 13 7
26 20 16 14
27 25 21 15
31 28 24 22
32 30 29 23
Lobiettivo di questo ordinamento ` quello di diminuire lampiezza di banda e della matrice. Infatti in Figura 3.3 ` visualizzata la struttura della matrice A e con tale ordinamento mentre la Figura 3.4 mostra la struttura della matrice U triangolare superiore. Osserviamo come il numero di elementi diversi da zero sia piuttosto basso (148) rispetto al caso precedente. Altri due ordinamenti, cui accenniamo per motivi di completezza prevedono che i nodi vengano suddivisi (colorati) in due (o pi`) tipi. Nellordinamenu to Red-Black sono divisi in rossi e neri, in modo tale che due nodi adiacenti abbiano colori diversi. Finita la colorazione i nodi sono numerati usando lordinamento lessicograco applicato ad un colore per volta, come si evidenzia nel seguente schema.

Ordinamento CuthillMcKee 0
30
10
15
20
25
30
10
15 nz = 136
20
25
30
Figura 3.3: Struttura della matrice dei coecienti per lordinamento CuthillMcKee Ordinamento di Red-Black
29 9 21 1
13 25 5 17
30 10 22 2
14 26 6 18
31 11 23 3
15 27 7 19
32 12 24 4
16 28 8 20

Ordinamento CuthillMcKeeFattore U 0
31
10
15
20
25
30
10
15 nz = 148
20
25
30
Figura 3.4: Struttura del fattore triangolare U per la matrice dei coecienti denita dallordinamento Cuthill-McKee In Figura 3.5 ` visualizzata la struttura della matrice A con tale ordinamento e mentre la Figura 3.6 mostra la struttura della matrice U triangolare superiore. Osserviamo come il numero di elementi diversi da zero (170) sia pi` alto u rispetto allordinamento Cuthill-McKee ma inferiore rispetto allordinamento lessicograco. Lordinamento multicolore ` uguale al Red-Black ma si usano pi` colori, solie u tamente 4 o 6, e comunque un numero pari. I nodi sono ordinati colorandoli in sequenza uno di ogni colore diverso, mentre per la riga successiva si parte dalla coppia di colori successiva, in modo tale che su ogni colonna ci siano solo due colori. Nella gura seguente vediamo un esempio con 4 colori.

Ordinamento RedBlack 0
32
10
15
20
25
30
10
15 nz = 136
20
25
30
Figura 3.5: Struttura della matrice dei coecienti per lordinamento RedBlack Ordinamento Multicolore con 4 colori
23 5 19 1
31 13 27 9
7 21 3 17
15 29 11 25
24 6 20 2
32 14 28 10
8 22 4 18
16 30 12 26

Ordinamento RedBlackFattore U 0
33
10
15
20
25
30
10
15 nz = 170
20
25
30
Figura 3.6: Struttura del fattore triangolare U per la matrice dei coecienti denita dallordinamento Red-Black Nel caso in cui i colori siano sei il primo colore della seconda riga coincide con il quarto della sequenza, cosicch` sulla stessa colonna siano accoppiati e sempre il primo ed il quarto, il secondo con il quinto ed il terzo con il sesto. Se sono otto allora i colori accoppiati sono il primo con il quinto, il secondo con il sesto e cos` via. In Figura 3.7 ` visualizzata la struttura della matrice A con tale ordinamento e mentre la Figura 3.8 mostra la struttura della matrice U triangolare superiore. Osserviamo come il numero di elementi diversi da zero (191) sia pi` alto u rispetto agli ordinamenti Cuthill-McKee e Red-Black ma inferiore rispetto allordinamento lessicograco. Se il dominio ` quadrato, oppure si pu` scegliere h = k, lespressione del e o metodo a 5 punti si semplica: ui,j1 + ui1,j 4ui,j + ui+1,j + ui,j+1 = 0

Ordinamento Multicolor 0
34
10
15
20
25
30
10
15 nz = 136
20
25
30
Figura 3.7: Struttura della matrice dei coecienti per lordinamento a 4 colori e gli elementi della matrice A sono indipendenti da h e k: T IN 1 IN 1 T IN 1 ... ... ... A= IN 1 T IN 1 IN 1 T

Ordinamento MulticolorFattore U 0
35
10
15
20
25
30
10
15 nz = 191
20
25
30
Figura 3.8: Struttura del fattore triangolare U per la matrice dei coecienti denita dallordinamento Multicolore con 4 colori dove IN 1 ` la matrice identit` di ordine N 1 e e a tridiagonale di dimensione N 1: 4 1 1 4 1 ... ... ... T = 1 4 1 1 4 T ` la seguente matrice e
Esercizio. Ordinare le incognite dellequazione di Laplace con condizione di Dirichlet denita nel dominio in gura utilizzando gli ordinamenti lessicograco e Red-Black. Supponendo di risolvere lequazione applicando il metodo a 5 punti schematizzare, a anco del dominio, la struttura della matrice dei coecienti del relativo sistema lineare.
36
Ordinamento Lessicograco
17 15 13 7 1
18 16 14 8 2 9 3 10 4 11 5 12 6

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
37
Ordinamento Red-Black
9 17 7 13 1
18 8 16 4 10 14 2 5 11 15 3 6 12

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
38
3.3
Convergenza del metodo a 5 punti
Lesistenza della soluzione numerica fornita dal metodo a 5 punti ` cone seguenza dellunicit` della soluzione del sistema lineare denito dal metodo. a Pi` complessa risulta lanalisi dellerrore, cio` la valutazione delladabilit` u e a della soluzione numerica rispetto a quella teorica. Infatti ` intuitivo che line troduzione delle approssimazioni delle derivate parziali ` causa di errore nella e soluzione numerica. Supponendo, per semplicit` che h = k, allora si dice che a un metodo numerico ` convergente se e
h0
lim max |u(xi , yj ) uij | = 0,

i,j
cio` se la massima dierenza tra la soluzione numerica e quella teorica tende e a zero al tendere a zero del passo di discretizzazione. Deniamo il cosiddetto errore di troncamento locale come lerrore che si ottiene sostituendo la soluzione teorica al posto di quella numerica nello schema: u(xi , yj1 ) + u(xi1 , yj ) 4u(xi , yj ) + u(xi+1 , yj ) + u(xi , yj+1 ) . h2 Condizione necessaria per la convergenza ` che il metodo sia consistente, e condizione che si verica quando lerrore di troncamento locale tende a zero h (xi , yj ) =
39
quando h 0. In questo caso, considerando che la funzione u(x, y) soddisfa lequazione di Laplace possiamo scrivere lerrore di troncamento locale come h (xi , yj ) = u(xi1 , yj ) 2u(xi , yj ) + u(xi+1 , yj ) 2 u(xi , yj ) + h2 x2 + u(xi , yj1 ) 2u(xi , yj ) + u(xi , yj+1 ) 2 u(xi , yj ) . h2 y 2
da cui segue la consistenza del metodo poich` lerrore nellapprossimazione e delle derivate tende a zero quando h 0. In realt` vale il seguente risultato a da cui segue la convergenza dello schema. Teorema 3.3.1 Sia u C 4 (), allora esiste una costante C R tale che max |u(xi , yj ) uij | CM h2
i,j
dove M ` il massimo valore assoluto assunto dalle derivate quarte di u in . e Esempio 3.3.1 Applichiamo il metodo a 5 punti allequazione di Laplace uyy + uxx = 0 denita sul rettangolo [0, 4] [0, 2] e con condizioni iniziali: u(x, 0) u(x, 2) u(0, y) u(4, y) = 2 sin x, = (e2 + e2 ) sin x, = 0, = 0, 0 x 4 0 x 4 0y2 0y2
che ammette come soluzione teorica u(x, t) = sin x(ey + ey ). Nella Figura 3.9, viene riportato landamento della soluzione numerica prendendo N = M = 20, (il numero di punti della discretizzazione ` pari, circa, e a 1600).
40
10
10 2 1.5 1 0.5 y 0 2 4 x 6 10 12 14
Figura 3.9: Soluzione dellequazione di Laplace ottenuta con il metodo a 5 punti.
3.4
Equazione di Laplace su domini non poligonali
Luso delle dierenze divise funziona bene quando il dominio ` un rettane golo, oppure un quadrato o un poligono che pu` essere scomposto come un o unione di quadrati o rettangoli. Quando invece il contorno del dominio di integrazione ` un poligono oppure una curva regolare a tratti lapprossie mazione delle derivate parziali ` piuttosto problematica. Vediamo prima un e caso particolare.
41
3.4.1
Il caso del cerchio unitario
Se il dominio coincide con un cerchio e quindi ` una circonferenza, allora e ` possibile ricondursi ad un dominio rettangolare. Infatti, supponiamo, per e semplicit`, che sia a = (x, y) R2 : x2 + y 2 = 1 mentre `, ovviamente, il cerchio e = (x, y) R2 : x2 + y 2 < 1 . In questo caso il dominio pu` essere trasformato in un rettangolo cambiando o le coordinate cartesiane in polari: x = cos , In coordinate polari il dominio diventa = (, ) R2 : 0 < 1, 0 < 2 mentre = (, ) R2 : = 1 . Per evitare confusione poniamo v(, ) = u( cos , sin ). Nella seguente gura ` riportata la corrispondenza tra il dominio circolare in e coordinate cartesiane ed il rettangolo in coordinate polari. Ad ogni circonferenza di raggio r < 1 viene associato un segmento parallelo allasse , di equazione = r e 0 < 2. Ad ogni raggio della circonferenza unitaria viene invece associato un segmento parallelo allasse , di equazione = 0 , ed 0 1, (se 0 ` langolo che il raggio forma con lasse delle ascisse e orientato nel verso positivo). y = sin .
42
La condizione al contorno ` assegnata ovviamente su cio`: e e u(x, y) = u(cos , sin ) = f (cos , sin ). Lequazione di Laplace in coordinate polari diventa 1 2 v 1 v 2v + 2 2+ = 0. 2 Il problema pi` delicato riguarda la trasformazione delle condizioni iniziali u in coordinate polari. Il caso pi` semplice ` il segmento = 1 che coincide u e con la circonferenza in coordinate cartesiane, quindi v(1, ) = f (cos , sin ), 0 2.
I segmenti che si ottengono per 0 < < 1 e = 0 e 0 < < 1 e = 2 sono esattamente lo stesso segmento nel cerchio originale. Il valore della funzione su tale segmento non ` noto perci` ` necessario assegnare una cosiddetta e o e condizione di periodicit`: a v(r, 0) = v(, 2), 0 < < 1.
43
Lultimo segmento da considerare ` quello che si ottiene assegnando il valore e = 0, 0 2. Lintero segmento corrisponde ad un unico punto, cio` e lorigine del piano cartesiano. Quindi la funzione v deve essere costante lungo tale linea e, per esprimere tale condizione imponiamo la condizione di Neumann: v (0, ) = 0. Una volta determinate le condizioni sulla frontiera del dominio nel piano polare ` possibile risolvere numericamente lequazione di Laplace in coordinate e polari usando le approssimazioni alle dierenze divise per le derivate parziali.
3.4.2
Il caso di un qualsiasi dominio irregolare
Analizziamo ora il caso in cui la frontiera del dominio sia una curva chiusa e regolare senza una particolare forma. In questo caso si considera un rettangolo [a, b] [c, d] tale da contenere sia che e si discretizza tale regione come gi` visto in precedenza, denendo linsieme discreto: a RN +1,M +1 = {(xi , yj ) [a, b] [c, d]|i = 0, . . . , N, j = 0, . . . , M } . y d
c O a b x
44
Linsieme dei punti discreti che appartengono sia al rettangolo [a, b] [c, d] che al dominio si denota con hk = RN +1,M +1 . Tale insieme viene detto insieme dei punti interni. Ogni punto interno (xi , yj ) ha quattro punti vicini, cio` (xi1 , yj ) e (xi , yj1 ). e Un punto vicino ad un punto interno che non appartiene a hk si dice punto di conne. Linsieme dei punti di conne si indica con hk . e I punti angolari sono invece i punti dellinsieme RN +1,M +1 che non sono n` interni n` di conne, ma risultano essere vertici di una cella che contiene e almeno un punto interno.
Punti di conne Punti angolari Punti interni
I punti angolari non hanno alcun ruolo nella soluzione numerica di equazioni ellittiche. Lipotesi che si deve fare sulla griglia che si considera ` che i e segmenti che congiungono punti interni devono essere interamente contenuti nel dominio . Si evita cio` il caso evidenziato dal secondo graco: e
(xi , yj )
(xi+1 , yj )
(xi , yj )
(xi+1 , yj )
45
Tale situazione pu` essere evitata scegliendo opportunamente il passo di o discretizzazione oppure eettuando un opportuno cambio di variabile (per esempio una rotazione degli assi). Il problema dei domini irregolari sorge quando nelle approssimazioni delle derivate seconde intervengono valori della funzione calcolati nei punti di conne. Per ovviare a tale inconveniente ci sono diverse tecniche, due sono le pi` usate: u 1. come valori nei punti di conne si utilizzano gli stessi valori assunti dalla condizione al contorno; 2. si utilizza il valore della condizione al contorno nel punto sulla curva pi` vicino al punto interno. u Nel primo caso, considerando la seguente situazione:
(xi , yj+1 )
(xi , yj )
(xi+1 , yj )
si pone: u(xi , yj+1 ) = f (xi , yj+1 ), u(xi+1 , yj ) = f (xi+1 , yj ).
Tale assegnazione rappresenta, dal punto di vista matematico, una forzatura, poich` in realt` non ` noto neanche se la funzione f (x, y) sia calcolabile in e a e tali punti. Nel secondo caso, evidenziato dal seguente graco, si utilizza il punto nel quale si conosce il valore della soluzione.
46
xi h
xi xi + sh
xi + h
Applicando la formula (2.13) si otterrebbe lapprossimazione: uxx (xi + sh, yj ) 2 u(xi + sh, yj ) (1 + s)u(xi , yj ) + su(xi1 , yj ) . sh2 (1 + s)
Tale approssimazione risulta essere del primo ordine quindi meno precisa rispetto allapprossimazione della derivata seconda su punti equidistanti. Questo risultato ha come conseguenza unapprossimazione numerica meno precisa in prossimit` del contorno del dominio di integrazione. a
3.5
Metodi di ordine elevato per equazioni ellittiche

2u 2u + = g(x, y) x2 y 2
Consideriamo per semplicit` lequazione ellittica di Poisson a
denita sul quadrato = [0, 1] [0, 1]. Il metodo a 5 punti ovviamente pu` essere applicato anche allequazione di o Poisson. La matrice dei coecienti ` la stessa che abbiamo visto nel caso e dellequazione di Laplace, cambia il termine noto del sistema lineare che ` e uguale ai valori della funzione g(x, y) calcolata nei punti del dominio discreto. Avendo denito lequazione su un quadrato possiamo scegliere un numero di punti uguale sia per la variabile x che per y (e quindi h = k), ottenendo una matrice dei coecienti indipendente dal valore del passo di discretizzazione.
47
Il metodo a 5 punti ha ordine 2 perch` lerrore di discretizzazione dipende e 2 da h . Si possono ottenere metodi di ordine superiore cercando di approssimare in modo pi` accurato le derivate parziali seconde. u Utilizzando lapprossimazione (2.8) per le derivate parziali seconde porta al seguente metodo 1 4 1 4 4 ui,j2 + ui,j1 ui2,j + ui1,j 5ui,j + ui+1,j + 12 3 12 3 3
4 1 1 ui+2,j + ui,j+1 ui,j+2 = h2 g(xi , yj ) 12 3 12 Il metodo pu` essere descritto dal seguente stencil: o
1 12
4 3
1 12
4 3
4 3
1 12
uij = h2 g(xi , yj )
4 3
1 12
Il metodo ` pi` preciso del metodo a 5 punti ma ci sono problemi quando e u viene applicato in prossimit` della frontiera in quanto non ` disponibile un a e numero di punti suciente. Il sistema lineare Au = b
48
che si deve risolvere ha una struttura pi` complessa di quello ottenuto con il u metodo a 5 punti. La matrice dei coecienti ` la seguente e T0 J0 O J 1 T J1 J 2 J 2 J 1 T J1 J 2 ... ... ... ... ... A= J 2 J 1 T J1 J 2 J 2 J 1 T J1 O J0 T0
dove, utilizzando lordinamento lessicograco, la matrice T ha una struttura e a 5 diagonali (pentadiagonale), la matrice T0 ` tridiagonale, mentre le matrici J0 , J1 e J2 sono matrici diagonali.
3.6
Il Metodo a 9 punti
Utilizzando una diversa approssimazione delle derivate parziali seconde della funzione u(x, y) si pu` derivare uno schema numerico che utilizza nove punti o collocati intorno al nodo di riferimento. Senza descrivere in dettaglio tale tecnica, lo stencil del metodo applicato con lo stesso passo di discretizzazione rispetto alle variabili x e y, ` il seguente: e
1 6 2 3 1 6
2 3
- 10 3
2 3
uij = h2 g(xi , yj )
1 6
2 3
1 6
Il metodo ` preciso quanto il metodo a 5 punti (lerrore dipende da h2 ) ma e luso di maggiori informazioni (lapprossimazione coinvolge appunto 9 punti)
CAPITOLO 3. EQUAZIONI ELLITTICHE consente di ottenere in pratica risultati migliori; Il sistema lineare Au = b
49
che si deve risolvere ha una struttura pi` complessa di quello ottenuto con il u metodo a 5 punti. La matrice dei coecienti ` la seguente e T J J T J J T J ... ... ... A= J T J J T J J T
dove, utilizzando lordinamento lessicograco, le matrici T e J sono entrambe tridiagonali.
Capitolo 4 Equazioni paraboliche

4.1 Equazioni di Evoluzione
Le equazioni di evoluzione sono, in modo molto semplicistico, le equazioni alle derivate parziali che descrivono fenomeni dipendenti dal tempo e che contengono termini con derivate rispetto al tempo. Si tratta sostanzialmente delle equazioni dierenziali ordinarie alle quali sono aggiunte le variabili spaziali. Numericamente vengono risolte considerando prima una discretizzazione dellintervallo temporale di osservazione del fenomeno, e, successivamente, vengono poste in relazione le approssimazioni in istanti di tempo consecutivi. La conoscenza delle approssimazioni numeriche nei punti al tempo tn consente di calcolare simultaneamente quelle in tn+1 . I metodi possono essere di due tipi: 1. Metodi Espliciti: partendo dalla conoscenza delle approssimazioni numeriche in un istante di tempo ` possibile calcolare esplicitamente quelle e allistante successivo; 2. Metodi Impliciti: lo schema numerico mette simultaneamente in relazione le approssimazioni in due (o pi`) istanti di tempo consecutivi u e, per calcolare lapprossimazione nellistante di tempo successivo, ` e necessario risolvere un sistema lineare. I metodi numerici descritti nel capitolo precedente per le equazioni ellittiche appartengono a questa seconda classe di metodi, in quanto, poich` la e soluzione ` indipendente dal tempo, le approssimazioni sono calcolate simule taneamente in tutti i punti del dominio dicreto. 50
CAPITOLO 4. EQUAZIONI PARABOLICHE
51
Una buona parte delle equazioni di evoluzione in una dimensione possono essere descritte attraverso la cosiddetta equazione conservativa del usso: F (u) u = t x (4.1)
dove u ed F possono anche essere vettori, e, in alcuni casi, F pu` dipendere o non solo da u ma anche dalle derivate parziali di u. La funzione (o il vettore) F ` detto usso conservativo. Le equazioni di evoluzione corrispondono e (grossolanamente) a quelle di tipo parabolico e iperbolico. In questo capitolo saranno descritti alcuni metodi numerici per equazioni paraboliche, iniziando da quella che viene considerata come il prototipo appartenente ad essa, lequazione del calore.
4.2
Problemi di diusione
u u = t x x (4.2)
I problemi di diusione sono caratterizzati da unequazione del tipo
dove ` il cosiddetto coeciente di diusione (o anche dissipazione). Cone siderando lequazione (4.1) questa si ottiene scegliendo F (u) = u . x
Si deve supporre che sia > 0 altrimenti lequazione (4.2) ha soluzioni sicamente instabili: la soluzione tenderebbe a concentrarsi e non a diondersi. Se il coeciente di diusione ` costante allora lequazione (4.2) diventa e ut (x, t) = uxx (x, t), (4.3)
che ` nota come Equazione del Calore, supponendo t 0 e 0 x L, e con L costante reale positiva. Supponiamo inoltre che sia stata assegnata la condizione iniziale allistante t = 0: u(x, 0) = f (x), 0xL
e le condizioni al contorno in x = 0 e x = L: u(0, t) = g1 (t) u(L, t) = g2 (t) t0 t0
52
in cui le funzioni f (x), g1 (t) e g2 (t) soddisfano le cosiddette condizioni di omogeneit`: a f (0) = g1 (0), f (L) = g2 (0). (4.4) t
g1 (t)
g2 (t)
x O f (x) L
Lequazione del calore descrive fenomeni di diusione termodinamica, infatti u(x, t) pu` rappresentare, per esempio, levoluzione nel tempo della densit` o a di calore di una sbarra termoconduttrice di lunghezza L e spessore trascurabile che viene sottoposta ad una certa temperatura iniziale (la condizione al contorno f (x)) e tale che la temperatura agli estremi sia ssata dalle condizioni poste dalle funzioni g1 (t) e g2 (t). Se dopo listante iniziale la sorgente di calore viene tolta allora la densit` di calore u(x, t) del punto della barra a di ascissa x al tempo t soddisfa lequazione del calore. Lequazione di conducibilit` del calore pu` essere generalizzata in molti modi: a o 1. aggiungendo una variabile spaziale (cio` u = u(x, y, t)): e ut (x, y, t) = (uxx (x, y, t) + uyy (x, y, t)); 2. aggiungendo un termine forzante f (x, t): ut (x, t) = uxx (x, t) + f (x, t);
CAPITOLO 4. EQUAZIONI PARABOLICHE 3. aggiungendo un coeciente di diusione variabile a(x): u u a(x) = t x x
53
con a(x) funzione dierenziabile e tale che 0 < a(x) < per x [0, L]; 4. prendendo x appartenente ad un intervallo arbitrario della retta reale e sostituendo le condizioni al contorno con la condizione che la funzione u(x, t) abbia quadrato integrabile, cio`: e
+
[u(x, t)]2 dx < ,
t 0,
condizione che si verica considerando unaltra equazione parabolica, lequazione di Schrdinger, equazione alla base della meccanica o quantistica: 2 2u u = + U (x)u t 2m x2 in cui m ` la massa della particella, ` lunit` immaginaria, ` la e e a e costante di Plank, U (x) ` lenergia potenziale della particella e u(x, t) e ` la funzione donda. In questo caso si deve richiedere che, oltre alle e condizioni iniziali venga soddisfatta anche la seguene relazione
+
|u(x, t)|2 dx = 1,
in quanto il modulo della soluzione rappresenta una densit` di probaa bilit`. a Per lequazione parabolica ` possibile denire due tipi di problemi. Il primo e ` il problema ai valori iniziali, in cui si tratta di trovare una funzione u(x, t), e denita e continua per x R e t 0, che soddis lequazione alle derivate parziali per x R e t > 0 e la condizione iniziale u(x, 0) = f (x), x R, come schematizzato nella seguente gura.
CAPITOLO 4. EQUAZIONI PARABOLICHE t
54
u(x, 0) = f (x)
Il secondo ` il problema ai valori al contorno, in cui, assegnata una costante e L > 0, si deve trovare una funzione u(x, t), denita e continua per 0 x L e t 0, che soddis lequazione alle derivate parziali per 0 < x < L e t > 0 e le condizioni iniziali: u(x, 0) = f (x) u(0, t) = g1 (t) u(L, t) = g2 (t) 0xL t0 t 0.
che, a loro volta, devono soddisfare le condizioni di omogeneit` (4.4). a t
u(0, t) = g1 (t)
u(L, t) = g2 (t)
u(x, 0) = f (x) L
55
4.3
Il metodo di Eulero Esplicito per lequazione del calore

ut = uxx , 0 x L, t 0,
Supponiamo ora di dover risolvere lequazione del calore
con condizione iniziale u(x, 0) = f (x), e condizioni al contorno u(0, t) = g1 (t), u(L, t) = g2 (t), t 0. (4.6) 0xL (4.5)
Poich t 0 e non ` ovviamente possibile calcolare la soluzione allinnie e to si sostituisce t 0 con t [0, Tmax ]. La costante Tmax ` generalmente e determinata dalla sica del fenomeno in osservazione. Lequazione viene integrata numericamente negli istanti di tempo tn Tmax . La risoluzione numerica di questa equazione richiede la sua discretizzazione sia rispetto al tempo che rispetto allo spazio. Il problema discreto ` ottenuto mediante lape prossimazione delle derivate parziali attraverso dierenze nite. Scegliamo un intero positivo Nx e deniamo nella striscia {(x, t) : x [0, L], t 0} una griglia rettangolare formata dai punti di coordinate (xj , tn ) tale che xj = jx, j = 0, 1, . . . , Nx + 1, con x = L , (Nx + 1) tn = nt, n 0, Tmax . Nt
t =
Il valore t rappresenta lintervallo di tempo tra due approssimazioni successive. I punti (xj , tn ) del dominio discreto sono di tre tipi, evidenziati nel seguente graco.
CAPITOLO 4. EQUAZIONI PARABOLICHE t
56
Punti al contorno Punti iniziali Punti interni
. . . . . . t2 t1
x
x1 x2 ... xNx L
Lapprossimazione di u(xj , tn ) ` denotata con un . Utilizzando loperatore e j dierenza centrale possiamo approssimare la derivata parziale seconda nel modo gi` visto in precedenza: a un 2un + un 2u j+1 j j1 (xj , tn ) 2 2 x (x) mentre utilizzando loperatore dierenza in avanti per la derivata temporale, si ottiene un+1 un u j j (xj , tn ) . t t Sostituendo in (4.3) si ha un+1 un un 2un + un j j j+1 j j1 = 2 t (x) un+1 = un + j j t un 2un + un j+1 j j1 2 (x)
e inne si ha come risultato il seguente Metodo di Eulero Esplicito: un+1 = un + (1 2)un + un j1 j j+1 j (4.7)
CAPITOLO 4. EQUAZIONI PARABOLICHE dove
57
t (x)2 ` una costante che prende il nome di Numero di Courant. Partendo da n = 0 e la formula (4.7) consente di determinare esplicitamente le approssimazioni u1 , j = 1, . . . , Nx , pertanto si tratta di un metodo di tipo esplicito. In modo j analogo, conoscendo le approssimazioni al livello n, consente di calcolare quelle al livello n + 1. La condizione iniziale (4.5) fornisce i valori = u0 = f (jx), j j = 0, 1, 2, . . . , Nx + 1.
Quando j = 1 e j = Nx la formula (4.7) utilizza le condizioni sulla frontiera (4.6): un = g1 (tn ), un x = g2 (tn ). 0 N
4.3.1
Condizione di Stabilit` per il metodo di Eulero a Esplicito
Come ` noto i metodi semplici non sono sempre quelli migliori, infatti consie deriamo che la soluzione teorica di unequazione parabolica possiede la stessa propriet` di massimo-minimo delle funzioni armoniche (cio` il massimo ed a e ` il minimo della soluzione teorica si trovano sulla frontiera del dominio). E quindi auspicabile che anche la soluzione numerica possieda tale propriet`. a Per analizzare tale propriet` consideriamo il caso in cui il dominio discretiza zato ha un solo nodo interno, prendendo quindi x = L/2, e come condizione iniziale la funzione che assume valore > 0 nel nodo interno e 0 nei due punti al contorno. Il dominio discreto ` rappresentato nella seguente gura. e t
. . . . . t3 t2 t1
x
L/2
CAPITOLO 4. EQUAZIONI PARABOLICHE Quindi u0 = u0 = 0, 0 2 u0 = . 1 Applicando lo schema di Eulero Esplicito si ottiene: u1 = (1 2)u0 = (1 2) 1 1 e, ad un generico istante di tempo tn : un = (1 2)n . 1 Ora, in base alla propriet` di massimo-minimo, deve essere a 0 un 1 e quindi 0 1 2 1. 0 (1 2)n 1
58
Poich` > 0 la seconda disuguaglianza ` sicuramente vericata, quindi deve e e essere 1 1 2 . 2 Tale disuguaglianza, supponendo = 1, implica la seguente restrizione sui passi di discretizzazione (x)2 . t 2 Se x 102 deve essere t 0.5 104 quindi se ` necessario integrare lequazione su un intervallo di tempo molto e grande si deve usare un valore t molto piccolo e di conseguenza il numero di passi temporali ` incredibilmente grande. e
4.4
Analisi di Stabilit` di von Neumann a
Come dimostra il semplice esempio descritto nel paragrafo precedente la sostituzione delle derivate parziali con approssimazioni discrete non garantisce che le soluzioni numeriche siano adabili, a meno di porre determinati vincoli sui passi di dicretizzazione. Per studiare questo fenomeno ` necessario introdurre e una tecnica, detta analisi di stabilit` di von Neumann. Tale analisi ` di tipo a e
59
locale, nel senso che si suppone che i coecienti dellequazione che denisce il metodo (detta equazione alle dierenze) siano costanti rispetto al tempo e allo spazio (o cambiano di poco). Si suppone inoltre che le soluzioni di tali equazioni siano della forma: un = n ejx j (4.8)
e dove ` un numero reale, detto numero donda, e ` un numero complesso e dipendente da . Il numero , ed in particolare le sue potenze, indicano la dipendenza della soluzione rispetto al tempo. Infatti la soluzione numerica un cresce esponenzialmente se |()| > 1 per un certo valore di . Per questo j il numero ` detto fattore di amplicazione per il numero donda . La e semplice analisi della stabilit` vista nel precedente paragrafo corrisponde, a in realt`, allo studio dei valori che pu` assumere il numero di Courant in a o modo tale che la soluzione numerica si mantenga limitata. In questo caso ci` o equivale a richiedere che il fattore di amplicazione abbia modulo minore di (o uguale a) 1. Per applicare lanalisi di von Neumann al metodo di Eulero Esplicito sostituiamo lespressione (4.8) nello schema numerico (4.7): n+1 ejx = n ejx + n e(j+1)x 2 n ejx + n e(j1)x . Dividendo per n ejx si ottiene = 1 + ex 2 + ex = 1 + [2 cos(x) 2] . Poich` e cos(x) = 1 2 sin2 quindi x . 2 Poich` ` un numero reale devono essere soddisfatte simultaneamente le e e disequazioni: 1 1. = 1 4 sin2 In particolare la seconda risulta sempre soddisfatta, mentre dalla prima segue che x 2 sin2 1 2 che ` soddisfatta, come visto prima, se 1/2. e x 2 cos(x) 1 = 2 sin2 x 2
60
4.5
Metodi
Il metodo di Eulero esplicito fa parte di una pi` ampia classe di schemi a numerici, detti Metodi perch` dipendono da un parametro reale . La e derivata prima viene approssimata utilizzando la formula alle dierenze in avanti: un+1 un j j ut (xj , tn ) , t mentre la derivata parziale seconda rispetto a x viene approssimata attraverso una combinazione lineare tra i valori in due istanti di tempo consecutivi: uxx (xj , tn ) [(1 )uxx (xj , tn ) + uxx (xj , tn+1 )] , con R (in particolare [0, 1]). Approssimando le derivate seconde nel modo consueto si ottiene la formula: un+1 un un+1 2un+1 + un+1 un 2un + un j j j+1 j j1 j+1 j j1 = (1 ) + , t (x)2 (x)2 da cui, indicato con il numero di Courant, si ricava un+1 = un + (1 ) un 2un + un + un+1 2un+1 + un+1 . j j+1 j j1 j j+1 j j1 Un metodo di questa classe pu` essere rappresentato attraverso il seguente o stencil, in cui i punti celesti rappresentano quelli coinvolti nellapprossimazione delle derivate seconde mentre i rossi quelli nellapprossimazione della derivata prima. (xj1 , tn+1 ) (xj , tn+1 ) (xj+1 , tn+1 )
(xj1 , tn )
(xj , tn )
(xj+1 , tn )
CAPITOLO 4. EQUAZIONI PARABOLICHE Se = 0 il metodo coincide con il Metodo di Eulero Esplicito: un+1 = un + un 2un + un j j+1 j j1 j Stencil per il Metodo di Eulero Esplicito (xj , tn+1 )
61
(xj1 , tn )
(xj , tn )
(xj+1 , tn )
Se = 0.5 il metodo viene detto Metodo di Crank-Nicolson: un+1 = un + j j ovvero un+1 + (1 + )un+1 un+1 = un + (1 )un + un . j1 j j1 j j+1 2 2 2 2 j+1 Stencil per il Metodo di Crank-Nicolson (xj1 , tn+1 ) (xj , tn+1 ) (xj+1 , tn+1 ) n+1 n uj+1 2un + un + uj+1 2un+1 + un+1 , j j1 j j1 2 2
(xj1 , tn )
(xj , tn )
(xj+1 , tn )
62
Se = 1 il metodo coincide con il Metodo alle Dierenze Centrali Implicito: un+1 = un + un+1 2un+1 + un+1 , j j j+1 j j1 ovvero un+1 + (1 + 2)un+1 un+1 = un . j j1 j j+1 Stencil per il Metodo alle Dierenze Centrali Implicito (xj1 , tn+1 ) (xj , tn+1 ) (xj+1 , tn+1 )
(xj , tn ) I metodi di Crank-Nicolson e alle dierenze centrali implicito sono entrambi di tipo implicito, poich` ad ogni istante consentono di determinare simule taneamente tutti i valori delle approssimazioni numeriche allistante tn+1 risolvendo un sistema lineare a struttura tridiagonale (lespressione del metodo coinvolge solo 3 incognite al livello n + 1). Applicando lanalisi di stabilit` di von Neumann si scopre che se 0.5 a allora la stabilit` ` incondizionata (non c` alcuna restrizione sui passi di a e e integrazione), mentre se 0 < 0.5 la condizione di stabilit` ` la seguente ae 1 . 2(1 2)
Esempio 4.5.1 Applichiamo i metodi descritti alla seguente equazione del calore: ut uxx = 0 con condizioni iniziali: u(x, 0) = sin x, 0x1
CAPITOLO 4. EQUAZIONI PARABOLICHE u(0, t) = u(1, t) = 0, t0

2
63
che ammette come soluzione teorica u(x, t) = e t sin x. Nelle Figure 4.1, 4.2 e 4.3, ` stato applicato il metodo di Eulero esplicito e nellintervallo temporale [0, 0.4] con il numero di Courant che `, rispettivae mente, inferiore, uguale o maggiore di 0.5. Nelle prime due gure si osserva che la soluzione numerica concorda con quella teorica, anche se il passo di discretizzazione ` molto piccolo (si osservi la griglia temporale molto tta). e Nella terza gura la soluzione numerica presenta un andamento fortemente oscillatorio che non soddisfa la propriet` del massimo. Nelle Figure 4.4 e 4.5 a sono riportate le soluzioni numeriche fornite, rispettivamente, dai metodi alle dierenze centrali implicito e di Crank-Nicolson. Si osserva facilmente che le soluzioni numeriche concordano con quella teorica indipendentemente dal valore del numero di Courant riportato nei graci.
Metodo di Eulero Esplicito=0.25
0.8
0.6
0.4
0.2
0 0.4 0.3 0.2 0.1 0.2 t 0 0 x 0.4 0.8 0.6 1
Figura 4.1: Soluzione dellequazione del calore ottenuta con il metodo di Eulero esplicito con = 0.25.

Metodo di Eulero Esplicito=0.5
64
0.8
0.6
0.4
0.2
0 0.4 0.3 0.2 0.1 0.2 t 0 0 x 0.4 0.8 0.6 1
Figura 4.2: Soluzione dellequazione del calore ottenuta con il metodo di Eulero esplicito con = 0.5.
4.6
Lequazione del calore in due dimensioni

ut = (uxx + uyy ), (x, y, t) D R+
Aggiungendo una seconda variabile spaziale lequazione del calore diventa
dove D ` un sottoinsieme di R2 , con condizioni al contorno e u(x, y, 0) = u0 (x, y), u(x, y, t) = g(x, y, t), (x, y) D (x, y) D, t 0.
Tale equazione descrive, per esempio, la temperatura di una piastra bidimensionale la cui forma coincide con quella dellinsieme D e altezza trascurabile (rispetto alle altre dimensioni), che viene a contatto con una sorgente di calore (descritta dalla funzione u0 (x, y)) allistante t = 0, e il cui bordo (cio` e D) viene tenuto a temperatura costante. Nei paragra seguenti sono descritti alcuni semplici metodi numerici per la risoluzione numerica di tale equazione.

Metodo di Eulero Esplicito=2
65
1.2 1 0.8 0.6 0.4 0.2 0 0.2 0.1 0.08 0.06 0.04 0.02 t 0 0 0.4 0.2 x 0.6 0.8 1
Figura 4.3: Soluzione dellequazione del calore ottenuta con il metodo di Eulero esplicito con = 2. Il metodo di Eulero Esplicito in due dimensioni Supponiamo che il dominio spaziale D sia il rettangolo [0, L] [0, M ] che viene discretizzato denendo, al solito, i valori xi = ix, yj = jy,
mentre anche il tempo viene suddiviso nel solito modo tn = nt, Sia un u(xi , yj , tn ), i,j il metodo di Eulero Esplicito ` la generalizzazione di quello gi` incontrato e a
n n n n un+1 un un un i,j i,j i,j+1 2ui,j + ui,j1 i+1,j 2ui,j + ui1,j . = + t (x)2 (y)2
n = 0, 1, . . .

Metodo alle differenze centrali implicito=44
66
0.8
0.6
0.4
0.2
0 2 1.5 1 0.5 0.2 t 0 0 x 0.4 0.8 0.6 1
Figura 4.4: Soluzione dellequazione del calore ottenuta con il metodo alle dierenze divise implicito.
Livello n + 1
j+1 Livello n j1 i1 i i+1 j

Metodo di CrankNicolson implicito=88
67
1 0.8 0.6 0.4 0.2 0 0.2 2 1.5 1 0.5 0.2 t 0 0 x 0.4 0.8 0.6 1
Figura 4.5: Soluzione dellequazione del calore ottenuta con il metodo di Crank-Nicolson. La condizione di stabilit` diventa: a t t 1 + . 2 2 (x) (y) 2 Osserviamo che tale condizione ` ben pi` restrittiva di quella vista in precee u denza, infatti supponendo di utilizzare lo stesso passo di discretizzazione sia per x che per y la condizione di stabilit` diventa: a 1 t . (x)2 4 Il Metodo di Crank-Nicolson Esattamente come nel caso unidimensionale ` possibile denire la classe dei e metodi. Nel caso del metodo di Crank-Nicolson la derivata seconda nel punto della griglia di coordinate (xi , yj , tn ) viene approssimato con il valor
CAPITOLO 4. EQUAZIONI PARABOLICHE medio tra due istanti di tempo successivi: 1 ut (xi , yj , tn ) [uxx (xi , yj , tn+1 ) + uyy (xi , yj , tn+1 )] 2 1 + [uxx (xi , yj , tn ) + uyy (xi , yj , tn )] 2 Il metodo assume la seguente espressione
n+1 n+1 n+1 n+1 n+1 n+1 un+1 un ui+1,j 2ui,j + ui1,j ui,j+1 2ui,j + ui,j1 i,j i,j = + t 2 (x)2 (y)2 n n n n un un i+1,j 2ui,j + ui1,j i,j+1 2ui,j + ui,j1 + . + 2 (x)2 (y)2
68
Livello n + 1
Il Metodo alle Dierenze Centrali Implicito Il metodo alle dierenze centrali implicito consiste nellapprossimare al livello temporale n + 1 le derivate parziali seconde: un+1 2un+1 + un+1 un+1 un un+1 2un+1 + un+1 i,j i+1,j i,j i1,j i,j i,j+1 i,j i,j1 = + . 2 2 t (x) (y)
69
Ad ogni passo si deve risolvere un sistema lineare con struttura pentadiagonale. Il metodo ` incondizionatamente stabile (non ci sono restrizioni sul e passo temporale di discretizzazione).
Livello n + 1
Il Metodo delle Direzioni Alternate Si eettuano due mezzi passi temporali, uno in ogni direzione: ui,j
n+1/2
un i,j n+1/2 = Lxx ui,j + Lyy un i,j t/2

n+1/2
(4.9)
un+1 ui,j i,j n+1/2 (4.10) + Lyy un+1 = Lxx ui,j i,j t/2 dove Lxx ed Lyy indicano le approssimazioni delle derivate seconde rispetto ad x e ad y. Esplicitando la relazione (4.9) si ottiene ui,j
n+1/2 n n un + ui+1,j ui1,j 2ui,j un i,j i,j1 2ui,j + ui,j+1 = + , t/2 (x)2 (y)2 n+1/2 n+1/2 n+1/2
da cui, posto = t/(2(x)2 ) e = t/(2(y)2 ) si ottiene la relazione relativa al primo mezzo passo temporale: ui1,j + (1 + 2)ui,j
n+1/2 n+1/2 n n ui+1,j = un i,j1 + (1 2)ui,j + ui,j+1 . n+1/2
70
In modo simile si ricava lespressione relativa al secondo mezzo passo temporale (4.10): un+1 + (1 + 2)un+1 un+1 = ui1,j + (1 2)ui,j i,j1 i,j i,j+1
n+1/2 n+1/2
+ ui+1,j .
n+1/2
Il metodo ` implicito ma ad ogni passo temporale si devono risolvere due sistee mi lineari che hanno struttura tridiagonale, ed inoltre ` incondizionatamente e stabile.
Livello n + 1
Livello n + 1/2 j+1 Livello n j1 i1 Lo Schema di Yanenko Si eettuano due discretizzazioni temporali con passo dimezzato ognuna rispetto ad una direzione diversa (la prima verso x la seconda verso y). ui,j
n+1/2
i+1
un i,j n+1/2 = Lxx ui,j t/2

n+1/2
(4.11)
un+1 ui,j i,j t/2

n+1/2
= Lyy un+1 i,j
(4.12)
Esplicitando la relazione (4.11) si ottiene ui,j ui1,j 2ui,j + ui+1,j un i,j = t/2 (x)2
n+1/2 n+1/2 n+1/2
71
da cui, posto = t/(2(x)2 ) si ottiene la relazione relativa al primo mezzo passo temporale: ui1,j + (1 + 2)ui,j
n+1/2 n+1/2
ui+1,j = un . i,j
n+1/2
Posto = t/(2(y)2 ) ed esplicitando la relazione (4.12) si ottiene lespressione eaplicita del secondo mezzo passo temporale: un+1 + (1 + 2)un+1 + un+1 = ui,j i,j1 i,j i,j+1
n+1/2
Ad ogni passo temporale si devono risolvere due sistemi lineari che hanno struttura tridiagonale, ed inoltre il metodo ` incondizionatamente stabile. e Il Metodo di Hopscotch ` E uno schema che ` composto da due parti, una esplicita e laltra implicita. e un+1 un i,j i,j = Lxx un + Lyy un , i,j i,j t se i + j + n pari;
un+1 un i,j i,j = Lxx un+1 + Lyy un+1 , se i + j + n dispari. i,j i,j t Se n ` pari e si pone = t/(x)2 e = t/(x)2 , allora si ottiene la e seguente espressione se i + j ` pari: e
n n n n un+1 = un i,j1 + ui1,j + (1 2 2)ui,j + ui+1,j + ui1,j , i,j
e la seguente se i + j ` dispari: e un+1 = un + i,j i,j 1 un+1 + un+1 + un+1 + un+1 . i,j1 i1,j i+1,j i1,j 1 + 2 + 2
Quando n ` dispari allora la prima formula vale se i + j ` dispari e la seconda e e se i + j ` pari. Il metodo ` poco costoso, in quanto ` esplicito, poich` nella e e e e seconda relazione vengono utilizzate le approssimazioni al passo n + 1 che sono gi` state calcolate. Inoltre il metodo ` incondizionatamente stabile. a e Esempio 4.6.1 Applichiamo il metodo di Eulero esplicito alequazione del calore in due dimensioni ut = uyy + uxx
CAPITOLO 4. EQUAZIONI PARABOLICHE denita sul quadrato [0, 1] [0, 1] e con condizioni iniziali: (x 0.5)2 + (y 0.5)2 0.2 300 u(x, y, 0) = 0 altrimenti u(x, y, t) = 0, x = 0, x = 1, y = 0, y = 1, 0 y 1, t 0 0 x 1, t 0
72
Nella Figure 4.6, 4.7 e 4.8 viene riportato landamento della condizione iniziale e della soluzione numerica in una griglia composta da 100 punti circa e in due istanti di tempo successivi (t pari a circa otto millesimi di secondo e mezzo secondo rispettivamente). Si pu` osservare che una condizione iniziale o discontinua dia luogo ad una soluzione che invece ` molto regolare. I valori e x, y e t sono stati scelti in modo tale che venga soddisfatta la condizione di stabilit` (in particolare ` stato posto x = y = 102 e t = 2.5 105 . a e
300 250 200 150 100 50 0 1 0.8 0.6 0.4 0.2 y 0 0 0.4 0.2 x 0.6 0.8 1
Figura 4.6: Condizione iniziale per lequazione del calore in due dimensioni.
73
300 250 200 150 100 50 0 1 0.8 0.6 0.4 0.2 y 0 0 0.4 0.2 x 0.6 0.8 1
Figura 4.7: Soluzione numerica per lequazione del calore dopo circa 8 millisecondi.
300 250 200 150 100 50 0 1 0.8 0.6 0.4 0.2 y 0 0 0.4 0.2 x 0.6 0.8 1
Figura 4.8: Soluzione numerica per lequazione del calore dopo circa mezzo secondo.
Capitolo 5 Equazioni iperboliche

5.1 Lequazione donda
Le equazioni iperboliche rappresentano probabilmente la classe che descrive il pi` ampio numero di fenomeni in diversi campi della sica (uidodinamica, u acustica, elettromagnetismo e cos` via). Le equazioni di Eulero per uidi comprimibili, le equazioni di Einstein per la relativit` generale, sono esempi a di equazioni iperboliche. Lequazione del secondo ordine di tipo iperbolico pi` nota ` sicuramente lequazione donda: u e utt (x, t) c2 uxx (x, t) = 0, infatti = c2 > 0. Lequazione (5.1) ammette una formulazione come equazione del primo ordine: ut (x, t) + cux (x, t) = 0, c R. (5.2) Infatti derivando lequazione (5.2) rispetto al tempo 2u 2u +c = 0, t2 tx e rispetto allo spazio 2u 2u + c 2 = 0, (5.3) tx x e, sostituendo la derivata mista in (5.3) si ricava appunto lequazione (5.1). In entrambe le equazioni c rappresenta una costante pressata, cio` la velocit` di e a 74 c = 0, (5.1)
CAPITOLO 5. EQUAZIONI IPERBOLICHE
75
propagazione dellonda (per unonda sonora che si propaga nellaria il valore c ` pari a circa 340 m/sec, in genere il valore dipende dal tipo di onda). La e funzione u(x, t) esprime lampiezza dellonda, una misura della sua intensit` a in funzione della posizione x al tempo t. Per unonda sonora nellaria u(x, t) esprime la pressione dellaria in diversi punti dello spazio, per una corda vibrante esprime lo spostamento sico della corda rispetto alla posizione di riposo. Se il dominio spaziale ` bidimensionale (londa si propaga nel piano e xy) lequazione (5.1) pu` essere conseguentemente modicata: o utt (x, t) = c2 (uxx (x, t) + uyy (x, t)), (x, y) D R2 .
Un esempio di tale equazione si ha con il modo della pelle di un tamburo circolare tesa rigidamente. Ovviamente nulla vieta di inserire unulteriore variabile spaziale per descrivere fenomeni quali la propagazione di onde in un mezzo omogeneo elastico, ` il caso per esempio delle onde sismiche della e Terra oppure le onde ultrasoniche usate per rilevare difetti nei materiali. Una modica dellequazione donda consiste nel fatto che, pi` realisticamente, la u velocit` pu` dipendere dallampiezza, il che conduce allequazione non lineare a o utt (x, t) = c(u)2 (uxx (x, t) + uyy (x, t)), (x, y) D R2 .
Allequazione donda del secondo ordine (5.1) ` possibile associare due tipi e problemi. Il primo ` il il problema ai valori iniziali (o Problema di Cauchy) e in cui si deve determinare una funzione u(x, t), denita e continua per x R e t 0, che soddis lequazione alle derivate parziali per x R e t > 0 e le condizioni iniziali: u(x, 0) = f1 (x) ut (x, 0) = f2 (x) come schematizzato nella seguente gura. xR x R,
CAPITOLO 5. EQUAZIONI IPERBOLICHE t
76
u(x, 0) = f1 (x)
ut (x, 0) = f2 (x)
Il secondo ` il problema ai valori iniziali e al contorno, in cui, assegnata e una costante L > 0, si deve trovare una funzione u(x, t), denita e continua per 0 x L e t 0, che soddis lequazione alle derivate parziali per 0 < x < L e t > 0 e le condizioni iniziali: u(x, 0) ut (x, 0) u(0, t) u(L, t) t = f1 (x) = f2 (x) = g1 (t) = g2 (t) 0xL 0xL t0 t 0.
u(0, t) = g1 (t)
u(L, t) = g2 (t)
u(x, 0) = f1 (x), ut (x, 0) = f2 (x)
x L
77
Le funzioni che deniscono le condizioni al contorno devono soddisfare le condizioni di omogeneit` agli angoli del dominio: a f1 (0) = g1 (0), f1 (L) = g2 (0), t
f2 (0) = g1 (0), f2 (L) = g2 (0).
g1 (t)
g2 (t)
x O
f1 (x), f2 (x)
La risoluzione per via analitica del problema di Cauchy ` possibile suppoe nendo per semplicit` c = 1 ed eettuando il seguente cambio di variabile: a = x + t, ovvero x= e denendo la funzione U(, ) = u(x(, ), t(, )) = u Si osserva innanzitutto che 2U = 0. 1 1 ( + ), ( ) . 2 2 + , 2 =xt 2
t=
(5.4)
Infatti
u x u t 1 u 1 u U = + = + x t 2 x 2 t
CAPITOLO 5. EQUAZIONI IPERBOLICHE e, calcolando la derivata parziale seconda: 2U 1 u u = = + 2 x t = 1 x 2 2u 2u + x2 xt + t 2u 2u + 2 tx t =
78
1 2u 1 2u 1 1 2u 1 2u = 0. + 2 2 x2 2 tx 2 xt 2 t2
Luguaglianza a zero deriva dallipotesi che la funzione u(x, t) soddisfa lequazione donda e dalluguaglianza delle derivate parziali miste. Poich` U = 0 possiamo considerare la derivata U come funzione della sola e variabile quindi integrando (5.4) rispetto a si ottiene: U = F1 () e, integrando nuovamente rispetto a :
U(, ) =
0
F1 (z)dz + G2 (),
dove F1 e G2 sono due funzioni arbitarie dierenziabili. Posto
G1 () =
0
F1 (z)dz
risulta U(, ) = G1 () + G2 (). Tornando alle variabili x e t si ha che la soluzione deve essere: u(x, t) = G1 (x + t) + G2 (x t). Sostituendo le condizioni iniziali risulta: u(x, 0) = G1 (x) + G2 (x) = f1 (x) ut (x, 0) = G1 (x) G2 (x) = f2 (x). e, dierenziando la prima equazione:
G1 (x) + G2 (x) = f1 (x)
CAPITOLO 5. EQUAZIONI IPERBOLICHE si ricava: G1 (x) = G2 (x) = 1 [f (x) + f2 (x)] 2 1
79
1 [f (x) f2 (x)] , 2 1 da cui, integrando rispetto a x, risulta: 1 f1 (x) + 2 1 f1 (x) G2 (x) = 2 G1 (x) =
x
f2 (z)dz
0 x
f2 (z)dz .
0
Sostituendo tali formule nellespressioni di u(x, t) si ottiene: u(x, t) = 1 f1 (x + t) + 2

x+t
f2 (z)dz +
0 x+t
1 f1 (x t) 2 f2 (z)dz
xt
f2 (z)dz =
0
1 f1 (x + t) + f1 (x t) + 2
xt
che prende il nome di Formula di DAlembert. Da tale formula segue che la funzione u(x, t) ` determinata univocamente in base alla conoscenza delle e funzioni f1 ed f2 tra i punti (x t, 0) e (x + t, 0). Lintervallo [x t, x + t] viene detto intervallo di dipendenza del punto (x, t). Il dominio interno al triangolo di vertici (x, t), (x t, 0) e (x + t, 0) ed evidenziata nella gura seguente si chiama regione di dipendenza.
CAPITOLO 5. EQUAZIONI IPERBOLICHE t
80
(x, t)
O (x t, 0) (x + t, 0)
Le rette congiungenti i punti (x, t) e (x t, 0), (x, t) e (x + t, 0) sono dette caratteristiche dellequazione donda in (x, t). Osserviamo che, nel caso in cui il problema sia ai valori al contorno, la formula di DAlembert pu` essere usata per calcolare la soluzione solo nel triangolo o di vertici (0, 0), (L, 0) e (L/2, L/2). t
(L/2, L/2)
x (0, 0) (L, 0)
CAPITOLO 5. EQUAZIONI IPERBOLICHE Il metodo delle caratteristiche Considerando, in generale, lequazione iperbolica u u +c =0 t x le caratteristiche sono le rette di equazione x = x0 ct
81
Considerando la caratteristica x(t) = x0 + ct, lungo questa la funzione u(x(t), t) rimane costante, infatti calcolando la derivata rispetto a t, du u u dx (x(t), t) = + = 0. dt t x dt Volendo calcolare la soluzione in un punto (x, t) si individua lequazione della caratteristica x = x0 + ct e, sapendo che u(x, t) = u(x0 + ct, t) = u(x0 , 0) = f1 (x0 ), poich` il valore della funzione lungo la caratteristica ` indipendente dal teme e po. Se la condizione iniziale ` discontinua (per esempio presenta un salto) e allora anche la discontinuit` si propaga alla medesima velocit` dellonda, a a come si evince dal seguente graco. u t t = t3 t = t2 t = t1 t=0
82
5.2
Lequazione donda del primo ordine
I metodi che sono stati descritti nel Capitolo 4 possono essere applicati, in modo pi` o meno naturale, anche alle equazioni donda. In particolare il Metodo u di Crank-Nicolson fornisce buoni risultati anche in questo caso, soprattutto ` nel caso di problema ai valori iniziali e al contorno. E opportuno evitare di ripetere la descrizione di metodi gi` discussi e considerare metodi diversi a che possono essere applicati esclusivamente ad equazioni iperboliche, anche di tipo non lineare, come sar` descritto in seguito. Nei seguenti paragra a saranno descritti alcuni metodi che possono essere applicati allequazione del primo ordine (5.2).
5.2.1
Il metodo di Lax-Friedrichs
Un primo modo per risolvere numericamente lequazione donda del primo ordine potrebbe essere quello di approssimare la derivata temporale con la formula alle dierenze in avanti e la derivata spaziale con quella alle dierenze centrali, ottenendo la seguente formula: ct n (u un ). (5.5) j1 2x j+1 Tale metodo risulta, in verit`, piuttosto instabile (basta applicare lanalisi di a von Neumann e vericare che il fattore di amplicazione ` sempre, in modulo, e maggiore di 1). Il metodo di Lax-Friedrichs consiste nello stabilizzare il metodo (5.5) sostituendo il valore lapprossimazione un con il valor medio: j un+1 = un j j un + u n j+1 j1 2 ottenendo, appunto, lespressione del metodo di Lax-Friedrichs: un j 1 ct n un+1 = (un + un ) (uj+1 un ). j+1 j1 j1 j 2 2x
5.2.2
Il metodo di Lax-Wendro
Il metodo di Lax-Wendro, esplicito, risolve numericamente lequazione (5.2) partendo dallespansione in serie di Taylor della funzione u(xj , tn +t) rispetto alla variabile temporale e prendendo (xj , tn ) come punto iniziale: (t)2 utt (xj , tn ). u(xj , tn + t) u(xj , tn ) + tut (xj , tn ) + 2
CAPITOLO 5. EQUAZIONI IPERBOLICHE Applicando la relazione (5.2): u(xj , tn + t) u(xj , tn ) ctux (xj , tn ) + (t)2 utt (xj , tn ). 2
83
Poich` la funzione u(x, t) soddisfa lequazione (5.1) si ha e u(xj , tn + t) u(xj , tn ) ctux (xj , tn ) + (ct)2 uxx (xj , tn ). 2 (5.6)
Le derivate spaziali vengono approssimate usando la consueta formula del secondo ordine mentre per la derivata prima si applica la formula alle dierenze centrali. un+1 = un j j Posto = si ottiene lo schema un+1 = un j j = n 2 n uj+1 un uj+1 2un + un + j1 j j1 2 2 ct n (ct)2 n uj+1 un + u 2un + un . j1 j j1 2x 2(x)2 j+1 ct x
(1 + )un + (1 2 )un (1 )un . j1 j j+1 2 2
5.2.3
Condizione di Courant, Friedrichs e Lewy
Consideriamo ora la risoluzione numerica dellequazione donda (5.2) considerando per ora c = 1. Lapprossimazione un+1 dipende, sia nei metodi j impliciti che espliciti, da approssimazioni al livello precedente n, in particolare da un , un e un . A loro volta tali approssimazioni dipendono da j j1 j+1 n1 altre al livello n 1, in particolare da ujk , con k = 2, . . . , 2, cos` via. In questo modo procedendo a ritroso ` possibile denire una specie di dominio e di dipendenza discreto che composto dalle approssimazioni, dal livello 0 al livello n, necessarie al calcolo di un+1 . j
CAPITOLO 5. EQUAZIONI IPERBOLICHE t (xj , tn+1 )
84
Appare ovvio che tale dominio discreto debba avere necessariamente un legame con quello continuo che abbiamo denito in precedenza. Se il dominio continuo includesse quello discreto questo vorrebbe dire che lapprossimazione un+1 ` stata ottenuta considerando solo una parte dei valori da cui e j dipende il valore teorico u(xj , tn+1 ), sicuramente tale approssimazione numerica non pu` essere un valore adabile. Al contrario se il dominio discreo to contiene quello continuo signica che la soluzione numerica ha utilizzato eettivamente tutti i dati necessari (e anche altri). t (xj , tn+1 )
Dal punto di vista matematico si deve richiedere che tale situazione si verichi, imponendo opportune condizioni sui passi di discretizzazione spaziale e
85
temporale. Infatti ` necessario richiedere che la retta caratteristica passante e per (xj , tn+1 ) intersechi lintervallo di dipendenza del metodo numerico.
(xj , tn+1 )
(xj1 , tn )
h (xj , tn )
(xj+1 , tn )
La condizione viene vericata se la retta di colore blu tratteggiata ha un coeciente angolare inferiore rispetto a quello della retta caratteristica (che in questo caso vale 1), cio` se e t 1. (5.7) x La relazione (5.7) prende il nome di Condizione di Courant, Friedrichs e Lewy (spesso indicata come condizione CFL). Se la velocit` c = 1 allora il rapporto a t/x deve essere inferiore al coeciente angolare delle rette caratteristiche, che hanno equazione x = x0 + ct e quindi 1 t x c ct 1. x
5.3
Lequazione donda del secondo ordine
Nei successivi paragra saranno descritti alcuni metodi numerici per risolvere lequazione del secondo ordine (5.1) con velocit` costante c = 0. Si suppone a che siano assegnate le funzioni f1 (x) ed f2 (x) tali che u(x, 0) = f1 (x), ut (x, 0) = f2 (x), 0 x L.
CAPITOLO 5. EQUAZIONI IPERBOLICHE Un metodo esplicito
86
Innanzitutto si denisce la griglia suddividendo lintervallo [0, L] in sottointervalli di ampiezza x = L/(N + 1) e denendo gli istanti di tempo multipli di un valore t: xj = jx, j = 0, 1, 2, . . . , N + 1, tn = nt, n = 0, 1, 2, . . . .
Le derivate parziali seconde sono approssimate nel modo consueto: un 2un + un j+1 j j1 uxx (xj , tn ) , 2 (x)
n1 un+1 2un + uj j j utt (xj , tn ) (t)2
n1 un+1 2un + uj un 2un + un j j j j1 2 j+1 c =0 2 2 (t) (x)
un+1 j Posto
2un j
n1 uj
(t)2 n (uj+1 2un + un ) =c j j1 2 (x)

2
= e ricavato un+1 : j
(ct)2 (x)2
n1 un+1 = 2un uj + (un 2un + un ) j j+1 j j1 j n1 un+1 = un + 2(1 )un + un uj , j1 j j+1 j
j = 1, . . . , N.
I primi valori che ` possibile calcolare sono u2 , che necessitano della conoscene j za di u1 , poich` i valori u0 sono forniti dalla condizione iniziale e j j u0 = u(xj , 0) = f1 (xj ). j Il problema ` ora quello di approssimare la soluzione nei punti (xj , t), cio` e e conoscere i valori: u1 u(xj , t), j j = 1, . . . , N.
Per questo motivo si utilizza lespansione in serie di Taylor: (t)2 u(xj , t) u(xj , 0) + t ut (xj , 0) + utt (xj , 0). 2 (5.8)
87
Poich` la funzione u(x, t) soddisfa lequazione donda, allora possiamo sostie tuire utt (x, t) con c2 uxx (x, t), e le condizioni iniziali per u(x, t) e ut (x, t): (ct)2 uxx (xj , 0). 2 Lultimo termine della serie viene approssimato come al solito: u(xj , t) f1 (xj ) + tf2 (xj ) + uxx (xj , 0) u(xj+1 , 0) 2u(xj , 0) + u(xj1 , 0) = (x)2 f1 (xj+1 ) 2f1 (xj ) + f1 (xj1 ) (x)2 (ct)2 f1 (xj+1 ) 2f1 (xj ) + f1 (xj1 ) . 2 (x)2
cosicch` si ottiene la seguente approssimazione: e ui,1 f1 (xj ) + tf2 (xj ) + Un metodo implicito Per risolvere lequazione donda si pu` discretizzare in modo diverso la derivao ta seconda di tipo spaziale: uxx (xj , tn ) utt (xj , tn ) 1 [uxx (xj , tn+1 ) + uxx (xj , tn1 )] 2
n1 un+1 2un + uj j j (t)2
un+1 2un+1 + un+1 j+1 j j1 uxx (xj , tn+1 ) 2 (x)

n1 n1 n1 uj+1 2uj + uj1 uxx (xj , tn1 ) (x)2
uxx (xj , tn )
n+1 n+1 n+1 n1 n1 n1 uj+1 2uj + uj1 1 uj+1 2uj + uj1 + . 2 (x)2 (x)2
Sostituendo le approssimazioni nellequazione alle derivate parziali si ottiene:

n1 n1 n1 n1 un+1 2un + uj un+1 2un+1 + un+1 uj+1 2uj + uj1 j j j+1 j j1 2 =c + . (t)2 2(x)2 2(x)2
CAPITOLO 5. EQUAZIONI IPERBOLICHE (ct)2 2(x)2 si giunge allespressione nale del metodo = Ponendo
88
n1 n1 n1 un+1 + (2 + 1)un+1 un+1 = uj1 + (2 1)uj + uj+1 + 2un . j j1 j j+1
Se la soluzione numerica ` nota ai livelli tn e tn1 allora, utilizzando le cone dizioni al contorno, la formulazione del metodo costituisce un sistema lineare di N 1 equazioni nelle N 1 incognite un+1 , j = 1, N 1. Il sistema ha una j struttura tridiagonale a predominanza diagonale quindi ammette ununica soluzione. Per calcolare la soluzione al livello t1 si pu` utilizzare lo stesso o metodo di approssimazione (5.8) visto per il metodo esplicito.
5.4
Equazioni Iperboliche non Lineari
La risoluzione numerica di equazioni iperboliche non lineari ` decisamente e pi` complessa rispetto al caso lineare. Il problema ` che spesso le non linearu e it` inducono delle discontinuit` nelle soluzioni teoriche anche in presenza di a a condizioni iniziali regolari. In questo paragrafo considereremo soltanto una classe di equazioni iperboliche non lineari e descriveremo brevemente alcune problematiche connesse alla loro risoluzione numerica e contemporaneamente alcuni semplici metodi numerici senza avere la pretesa di esaurire un argomento che ` molto complesso e che richiederebbe una trattazione molto pi` e u dettagliata. Consideriamo la seguente equazione, gi` incontrata nel capitolo a precedente (equazione (4.1)), ut (x, t) + [F (u)]x = 0 u(x, 0) = u0 (x) x R, t 0 xR
che viene detta in forma conservativa. Nellipotesi che la funzione F (u) sia sucientemente regolare rispetto a u e a x allora lequazione pu` essere o riscritta nella forma non conservativa: ut (x, t) + F (u)ux = 0 u(x, 0) = u0 (x) x R, t 0 x R.
Spesso alla condizione iniziale si aggiunge una condizione di periodicit`: a u(a, t) = u(b, t), t 0,
89
cosicch` lequazioni viene risolta quando x [a, b]. Lesempio pi` noto di e u equazione di questo tipo ` probabilmente lequazione di Burgers: e 1 F (u) = u2 2 in cui F (u) = u e quindi lequazione in forma non conservativa ` e ut (x, t) + u(x, t)ux (x, t) = 0 cio` la velocit` dellonda coincide con il valore della funzione stessa. In questo e a caso le caratteristiche x(t) sono le soluzioni dellequazione dierenziale x (t) = u(x, t) infatti dx d u(x(t), t) = ux (x, t) + ut (x, t) = ux (x, t)u(x, t) + ut (x, t) = 0. dt dt Poich` lungo le caratteristiche la funzione u(x, t) ` costante allora queste e e devono essere necessariamente delle rette, infatti partendo dalla condizione iniziale u0 (x0 ) = u(x0 , 0), esse si determinano sostituendo tale valore nellequazione dierenziale x (t) = u(x0 , 0). Le rette caratteristiche hanno equazione x(t) = x0 + u(x0 , 0)t = x0 + u0 (x0 )t e coeciente angolare 1/u0 (x0 ), quindi non sono parallele, e possono intersecarsi. Nel punto in cui avviene tale intersezione la funzione u(x, t) ` e discontinua, poich` presenta un salto. In questi casi si introduce il concete to di soluzione debole dellequazione dierenziale per indicare una soluzione che pu` essere discontinua, oppure non dierenziabile in qualche punto del o dominio, in contrapposizione con le cosiddette soluzioni classiche. Se due caratteristiche si intersecano in un punto verso la direzione crescente di t allora la discontinuit` (o la soluzione debole) viene detta shock. Un altro caso a in cui le caratteristiche possono dare luogo a discontinuit` si verica qualora a le due rette partono dai due lati di una discontinuit` e si allontanano da quesa ta. In questo caso la discontinuit` prende il nome di onda di rarefazione. La a situazione ` schematizzata nel seguente graco in cui le caratteristiche celesti e formano unonda di rarefazione, mentre quelle verdi formano uno shock.
CAPITOLO 5. EQUAZIONI IPERBOLICHE Rarefazione Shock
90
u0 (x)
Per risolvere numericamente equazioni iperboliche non lineari, lintervallo [a, b] di variabilit` di x viene suddiviso in sottointervalli [xj , xj+1 ] di uguale a ampiezza x (nelleventualit` in cui lintervallo sia innito allora si ssano a gli estremi in modo opportuno), si denisce una decomposizione detta duale di intervalli: x xj+ 1 = xj + Ij = xj 1 , xj+ 1 , . 2 2 2 2 Integrando la forma conservativa dellequazione iperbolica tra tn e tn+1 rispetto al tempo e tra xj 1 e xj+ 1 rispetto allo spazio si ottiene
2 2
xj+ 1
2
tn+1
dx
tn
[ut (x, t) + [F (u)]x ] dt = 0

tn+1 xj+ 1 xj 1
xj 1 xj+ 1
2
tn+1
dx
tn
ut (x, t)dt +
tn xj+ 1
2
dt
[F (u)]x dt = 0
xj 1
[u(x, tn+1 ) u(x, tn )] dx+ F u xj 1 , t

2
xj 1 tn+1
+
tn
F u xj+ 1 , t
2
dt = 0.
CAPITOLO 5. EQUAZIONI IPERBOLICHE Deniamo lapprossimazione della media di u(x, tn ) sullintervallo Ij : un = j Sia
n Hj+1/2 =
91
1 x
xj+ 1 xj 1
u(x, tn )dx.
1 t
tn+1 tn
F u xj+ 1 , t
2
dt
2
la media sullintervallo temporale [tn , tn+1 ] del usso in xj+ 1 . Posto = t x
allora la relazione precedente pu` essere riscritta come o

n n un+1 = un [Hj+1/2 Hj1/2 ] j j
Da tale relazione si pu` dedurre il seguente schema numerico o

n un+1 = un [n j j+1/2 j1/2 ] j n+1 n ) ` il cosiddetto usso numerico che approssima e in cui n j+1/2 = (uj , uj n n Hj+1/2 , mentre uj indica lapprossimazione del valore u(xj , tn ). In generale ogni schema numerico pu` essere scritto sotto forma o
un+1 = G(un , . . . , un , un , un , . . . , un ) jl j1 j j+1 j+l j in cui G ` una determinata funzione. e
(5.9)
Denizione 5.4.1 Uno schema numerico del tipo (5.9) ` detto consistente e se la funzione di usso numerica coincide con il vero usso F nel caso di funzioni costanti, cio`: e (u, u) = F (u), u.
Denizione 5.4.2 Si dice che uno schema numerico ` detto monotono se la e funzione G aumenta in maniera monotona rispetto ad ognuna delle variabili. In questo caso un tale schema ` limitato, cio`: e e C > 0 : sup |un | C. j
j,n
CAPITOLO 5. EQUAZIONI IPERBOLICHE La condizione di Courant-Friedrichs-Lewy
92
Per lequazione iperbolica non lineare la condizione di Courant-FriedrichsLewy diventa t |F (u)| 1, x disequazione che ` sicuramente soddisfatta se e t 1 . x max |F (u)| (5.10)
Il passo di discretizzazione temporale deve soddisfare la seguente disequazione x . t max |F (u)| Il problema di tale vincolo ` che ` molto dicile stimare il massimo di F (u), e e funzione che spesso ` non lineare. Poich` si pu` ragionevolmente ipotizzare e e o che la funzione soddisfa la propriet` di massimo-minimo (dipende dal fenoa meno ondulatorio descritto) allora si pu` stimare che il massimo di u(x, t) o coincida con il massimo della condizione iniziale: max |F (u)| = max |u(x, t)| = max |u(x, 0)|.
x
La condizione (5.10) diventa quindi t 1 . x maxx |u(x, 0)| Lo Schema di Lax-Friedrichs La funzione di usso numerica ha la seguente espressione: n j+1/2 = 1 n 1 Fj+1 Fjn un un j 2 2 j+1 (5.11)
con Fjn = F (un ). j Lo schema numerico si scrive quindi n 1 n n uj+1 + un F Fj1 . j1 2 2 j+1 Si tratta di uno schema del primo ordine che ` monotono se e un+1 = j |F (un )| j 1 x = , t j, n.
CAPITOLO 5. EQUAZIONI IPERBOLICHE Lo Schema di Godunov
93
La soluzione viene approssimata utilizzando una funzione costante a tratti. Il problema viene arontato come se fosse un insieme di problemi con condizione iniziale che presenta diversi salti. In particolare si cerca, ad un generico istante di tempo tn la funzione u (x, t), con t [tn , tn+1 ], soluzione del problema ut + [F (u)]x = 0 u(x, tn ) = un j x R, t 0 xj1/2 x xj+1/2 .
Se t ` sucientemente piccolo allora non ci sono interazioni tra questi e problemi locali. Si ha quindi u (x, t) = u x xj+1/2 n n ; uj , uj+1 t tn
dove x [xj , xj+1 ] e t [tn , tn+1 ]. Il valore un+1 ` ottenuto come media di u (x, tn+1 ) su [xj1/2 , xj+1/2 ] : e j un+1 = j 1 x
xj+ 1 xj 1
2
u (x, tn+1 )dx.
Lo schema numerico di Godunov diventa un+1 = un j j t F (u(0; un , un+1 ) F (u(0; un , un ) . j j1 j j x
e quindi il metodo numerico ha la seguente espressione

n un+1 = un n j j+1/2 j1/2 . j
In generale solitamente lo schema di Godunov non si usa esattamente nei termini visti ma viene semplicato scegliendo il valore del usso numerico uguale a quello del usso dellequazione valutato in unapprossimazione in xj o xj+1 . In questo caso si sceglie il usso numerico ponendo: F (un ) F (un ) j+1 j F (un ) 0 se j n n uj+1 uj n j+1/2 = F (un ) F (un ) j+1 j F (un ) < 0. se j+1 n n uj+1 uj
94
Esempio 5.4.1 Consideriamo lequazione di Burgers con condizione iniziale u(x, 0) = 1 + 0.5 sin(2x), 0x1
per t [0, 3]. Nelle gure seguenti sono riportate le soluzioni numeriche ottenute con i metodi di Lax-Friedrichs e di Godunov. Il metodo di Godunov consente di evidenziare meglio la formazione di uno shock. I valori di x e t sono stati scelti in modo tale che venga soddisfatta la condizione di Courant, Friedrichs e Lewy (5.11), considerando che
x[0,1]
max |u(x, 0)| = 1.5.
Figura 5.1: Soluzione delllequazione di Burgers ottenuta con il metodo di Lax-Friedrichs.
95
Figura 5.2: Soluzione dellequazione di Burgers ottenuta con il metodo di Godunov.
Capitolo 6 Il Metodo agli Elementi Finiti

6.1 La formula di Green
Il metodo agli elementi niti pu` essere descritto ecacemente considerano do la soluzione della semplice equazione ellittica di Poisson in un dominio bidimensionale. Sia assegnata quindi la seguente equazione 2u 2u + = f (x, y) x2 y 2 u = f
denita su un dominio R2 avente come frontiera la curva , e su cui sono assegnate le condizioni di Dirichlet alla frontiera. Uno strumento essenziale per comprendere il metodo agli elementi niti ` la formula di Green. Sia e un insieme aperto avente come frontiera la curva chiusa e regolare . Supponiamo inoltre che sia assegnata una funzione vettoriale v(x, y) = [v1 (x, y), v2 (x, y)]T continua e dierenziabile in . Il teorema della divergenza in spazi bidimensionali stabilisce che div v(x, y)dxdy =

vT (x, y)nds,
ricordando che la divergenza della funzione vettoriale v ` e div v(x, y) = 96 v1 v2 + . x y
CAPITOLO 6. IL METODO AGLI ELEMENTI FINITI
97
Nellintegrale a secondo membro compare il prodotto scalare tra i vettori v e n che rappresenta la direzione normale alla curva nel punto in questione orientata secondo il verso uscente dalla curva stessa. Per derivare la formula di Green si deve considerare una funzione scalare v ed una vettoriale w. Applicando le consuete regole di derivazione si ottiene (vw) = (v)T w + vw che consente di esprimere (v)T w come (v)T w = vw + (vw). Integrando tale uguaglianza su e applicando il teorema della divergenza si ottiene (v)T w dxdy =

vw dxdy +
(vw) dxdy (6.1) vwT n ds.
vw dxdy +
Tale uguaglianza pu` essere considerata come una generalizzazione della o formula di integrazione per parti. Il teorema di Green si ottiene da (6.1) sostituendo semplicemente la funzione vettoriale w con il gradiente di una funzione scalare u(x, y) denita su : v T u dxdy =

v(u) dxdy +
vuT n ds.
Osservando che il gradiente del gradiente di u ` il Laplaciano della funzione, e T e che la funzione u n, detta derivata normale, ` indicata con e uT n = allora si ottiene la formula di Green: v T u dxdy =

u , n
vu dxdy +
u ds. n
98
6.2
Il metodo agli elementi niti
Per risolvere numericamente il problema (cio` approssimare la funzione incoe gnita u) ` necessario trasformare tale equazione in un sistema che possa essere e risolto numericamente. I modi per approssimare u sono molti, comunque il primo requisito ` che tali approssimazioni appartengano ad uno spazio e vettoriale di dimensione piccola. Inoltre ci sono altri requisiti. Per esempio, ` e dicile approssimare numericamente polinomi di grado elevato. Per ricavare il sistema di equazioni si usa comunemente la cosiddetta formulazione debole del problema. Deniamo a(u, v)
uT v dxdy =
u v u v + x x y y
dxdy
e (f, v)
f (x, y)v(x, y) dxdy.
ee Una propriet` immediata del funzionale a ` che esso ` bilineare, cio` ` lineare a e e rispetto ad entrambi gli argomenti: a(u1 + 2 u2 , v) = 1 a(u1 , v) + 2 a(u2 , v), a(u, 1 v1 + 2 v2 ) = 1 a(u, v1 ) + 2 a(u, v2 ), 1 , 2 R 1 , 2 R.
Notiamo che (u, v) indica il prodotto scalare tra u e v nello spazio L2 (), cio` e linsieme delle funzioni denite su e aventi quadrato integrabile, infatti (u, v)
u(x, y)v(x, y) dxdy.
Se v(x, y) ` una funzione tale v(x, y) = 0 se (x, y) , allora la formula di e Green applicata alla soluzione dellequazione di Poisson diviene: a(u, v) = (u, v). La formulazione debole del problema iniziale consiste nel selezionare un sottospazio V L2 e quindi nel denire il seguente problema: Trovare u V tale che a(u, v) = (f, v), per ogni v V . Per capire quali possano essere le scelte per lo spazio V ` bene osservare che e la formulazione debole del problema coinvolge solo il prodotto scalare tra i
99
gradienti di u e v e quindi lo spazio V pu` essere linsieme delle funzioni o derivabili e con derivata prima continua. Questo insieme ` denito come e 1 H (). Considerando anche le condizioni al contorno allora le funzioni in V devono essere nulle su cosicch` lo spazio vettoriale viene indicato con e 1 H0 (). Il metodo agli elementi niti consiste nellapprossimare il problema debole con uno a dimensione nita ottenuto sostituendo lo spazio V con un sottospazio di funzioni che sono denite come polinomi di grado basso su piccoli pezzi (detti appunto elementi) del dominio originale. Si considera ora la regione del piano che viene suddivisa in triangoli (indipendentemente dalla forma della curva che ` la frontiera del dominio), come mostrato nella e seguente gura in cui un dominio a forma di ellisse ` stato suddiviso in triane ` chiaro che quando il numero di triangoli ` molto elevato allora il loro goli. E e insieme ricoprir` quasi perfettamente il dominio continuo qualunque forma a questo abbia.
Quindi il dominio ` approssimato dallunione h di m triangoli Ki : e

m
h =
i=1
Ki .
Lunica restrizione da porre ` che nessun vertice di un triangolo appartenga e al lato di un altro triangolo, cio` i triangoli possono condividere solo interi e e lati e i relativi vertici. La dimensione della griglia h ` denita come h = max diam(Ki )
i=1,...,m
100
dove diam(Ki ), diametro del triangolo Ki , ` la lunghezza del lato pi` lungo. e u Lo spazio a dimensione nita Vh ` denito come lo spazio di tutte le funzioni e che sono lineari a tratti e continue nella regione h e che sono zero sul contorno . Quindi Vh = |h continua, | = 0, |Kj lineare per ogni j ,
dove |X indica la restrizione della funzione al sottoinsieme X. Se xj , j = 1, . . . , n, sono i nodi della triangolazione, allora una funzione j Vh pu` essere associata ad ogni nodo, in modo tale che la famiglia di funzioni o j (x) soddisfa le seguenti condizioni: j (xi ) = ij = 1 0 se i = j se i = j.
Queste condizioni deniscono univocamente le funzioni j e inoltre queste formano una base dello spazio Vh , quindi ogni funzione Vh pu` essere o espressa nella forma
n
(x) =
i=1
i i (x).
Lapprossimazione agli elementi niti consiste nello scrivere la cosiddetta condizione di Galerkin per funzioni in Vh denendo cos` il seguente problema: Trovare u Vh tale che a(u, v) = (f, v), per ogni v Vh . Poich` u Vh ci sono n gradi di libert`. Poich` la funzione a(, ) ` lineare e a e e rispetto ai suoi argomenti allora ` necessario imporre solo le condizioni: e a(u, i ) = (f, i ), i = 1, . . . , n.
Scrivendo u in termini della base {i } come

n
u=
i=1
i i (x).
e sostituendo nel problema di minimo si ottiene il sistema lineare

n
ij j = i
j=1
CAPITOLO 6. IL METODO AGLI ELEMENTI FINITI dove ij = a(i , j ), i = a(f, i ). A questo punto si deve risolvere il sistema Ax = b
101
in cui gli elementi della matrice A sono i valori ij , mentre quelli del vettore b sono i valori j . Inoltre la matrice A ` simmetrica e denita positiva, infatti e ` evidente che e i j dxdy = j i dxdy

da cui segue che ij = ji . Per vedere che A ` denita positiva prima noe tiamo che a(u, u) 0, per ogni funzione u. Se fosse a(, ) = 0 per una funzione appartenente a Vh , allora il gradiente di dovrebbe essere nullo quasi ovunque in h . Poich` ` lineare in ogni triangolo e continua in , e e essa deve essere costante nello stesso insieme. Inoltre poich` ` nulla sul conee torno dellinsieme deve essere identicamente nulla su . Il risultato segue applicando la relazione (A, ) = a(, ) con =
i=1 n
i i ,
che ` vera per ogni vettore = [1 , . . . , n ]T . e Unimportante osservazione ` che la matrice A ` molto sparsa. Infatti lelee e mento ij ` diverso da zero solo quando i supporti delle due funzioni della e base (cio` i domini dove esse sono denite) hanno un triangolo in comune, o, e equivalentemente, quando i nodi i e j sono vertici di uno stesso triangolo. Assegnato un nodo i il coeciente ij ` diverso da zero quando il nodo j e ` uno dei vertici di un triangolo adiacente i. In pratica la matrice A viene e costruita sommando i contributi di tutti i triangoli applicando la formula a(i , j ) =
k
aK (i , j )
in cui la somma viene fatta su tutti i triangoli e aK (i , j ) =

K
i j dx.
102
Notiamo che aK (i , j ) ` zero a meno che i nodi i e j sono entrambi vertici e di K. Quindi un triangolo contrinuisce con valori diversi da zero ai 3 vertici nella suddetta forma. La matrice 3 3: aK (i , i ) aK (i , j ) aK (i , k ) AK = aK (j , i ) aK (j , j ) aK (j , k ) aK (k , i ) aK (k , j ) aK (k , k )
associata al triangolo K(i, j, k) con vertici i, j, k ` detta matrice degli elementi e di stiness. Per formare la matrice A ` necessario sommare tutti i contributi e aK (k , m ) in posizione k, m della matrice. Questo procedimento viene detto processo di assemblaggio:
N
A=
=1
A[]
in cui N ` il numero degli elementi e A[] ` una matrice che ha solo 9 elementi e e diversi da zero pur essendo di dimensione uguale al numero dei nodi. Esempio 6.2.1 Vediamo come esempio un dominio triangolare suddiviso in altri 4 triangoli pi` piccoli e che presenta 6 nodi. Nelle seguenti gure sono u stati evidenziate le strutture delle matrici A[] , con = 1, 2, 3, 4. Il numero di matrici da assemblare coincide con il numero di elementi (triangoli), mentre ciascuna di tali matrici presenta elementi diversi da zero solo in quegli elementi di posto (i, j) tali che i nodi xi e xj sono vertici di tale triangolo. Nellultimo graco viene evidenziata la struttura della matrice assemblata. Appare evidente come tale struttura dipende ovviamente dal modo con cui sono stati ordinati i nodi e che ci sono alcuni elementi che sono ottenuti dal contributo di una singola matrice A[] (nel caso in cui un nodo ` vertice di e un solo triangolo), altri che invece hanno il contributo di tutte le matrici: il nodo 5, per esempio, ` vertice di tutti i triangoli. e
103
1 4 2 3 1 2 4 3 5
Figura 6.1: Dominio per lesempio 6.2.1.
1 4 2 3 1 2 4 3 5 A[1] =
Figura 6.2: Matrice A[1] relativa al triangolo 1.
104
1 4 2 3 1 2 4 3 5 A[2] =
1 4 2 3 1 2 4 3 5 A[3] =
105
1 4 2 3 1 2 4 3 5 A[4] =
1 4 2 3 1 2 4 3 5 A=
Figura 6.6: Struttura della matrice assemblata relativa al dominio a sinistra.
106
Condizioni al contorno particolarmente semplici non creano problemi per il metodo agli elementi niti. Infatti il modo migliore per manipolare le condizioni di Dirichlet ` quello di includere i valori al contorno come incognite e e modicare il sistema lineare incorporando tali valori. Cos` ogni equazione associata ad un punto sulla frontiera ` sostituita da unequazione del tipo e u(xi , yj ) = f (xi , yj ). Questo implica che allinterno del sistema alla matrice dei coecienti viene incorporata una piccola matrice identit`. Nel caso delle a condizioni di Neumann la formula di Green fornisce le equazioni uT j xdy =

f j dxdy +
u ds n
che coinvolge appunto i valori della derivata normale forniti dalla condizione di Neumann. Se tali valori sono noti solo in un insieme discreto di punti sulla frontiera allora si possono approssimare gli altri valori utilizzando linterpolazione lineare (cio` approssimando lintegrale con la formula dei trapezi) e o con il valor medio della funzione (cio` approssimando lintegrale con la e formula del punto di mezzo). Se le condizioni al contorno sono tutte di Neumann allora ` possibile che la matrice dei coecienti del sistema possa essere e singolare, in tal caso si deve eliminare una delle equazioni del sistema oppure risolvere il sistema tenendo conto della singolarit` della matrice. a Generazione e ranamento della griglia Generare una triangolazione per gli elementi niti pu` essere fatto in modo o piuttosto semplice partendo da una prima triangolazione e poi eettuando una ranamento in modo uniforme oppure in determinate aree del dominio. Il modo pi` semplice di eettuare il ranamento consiste nel prendere i tre u punti medi dei lati di un triangolo e creando altri quattro triangoli che sostituiscono quello di partenza. Ovviamente tale processo pu` essere ripetuto ano che pi` volte. Nella seguente gura si vede lapplicazione di tale ranamento u al dominio visto nel precedente paragrafo.
107
6
5
14
1
15
6 8 2 7
4 9
13
9 10
5
11
10
12 3 13
11
4 14
12
15
16
In questo esempio particolare la matrice dei coecienti, una volta riassemblata, presenta la seguente struttura:
A=
Un vantaggio di questo ranamento ` che consente di preservare gli angoli e della triangolazione originaria, e questo ` importante perch` gli angoli di una e e
108
buona triangolazione devono soddisfare determinati limiti. Tuttavia luso indiscriminato di strategie di ranamento uniforme pu` portare a qualche o problema. Inoltre ` preferibile ranare la griglia nelle zone dove la soluzione e del problema presenta grandi variazioni, piuttosto che in quelle dove ha un andamento piuttosto uniforme. Anche lintroduzione dei nodi nei punti medi dei lati andrebbe limitata a casi particolari, sarebbe opportuno aggiungere qualche punto e unirlo ai vertici dei triangoli gi` creati. a Il metodo degli elementi niti, che abbiamo brevemente descritto in questo capitolo, solo nei tratti essenziali, ha dimostrato, negli ultimi anni, una enorme versatilit`, al punto da essere il metodo probabilmente pi` utiliza u zato nella risoluzione numerica di equazioni alle derivate parziali. Il vantaggio indiscusso ` la possibilit` di applicazione a domini di qualsiasi tipo, e a sia in due che in tre dimensioni, problema che invece hanno i metodi alle dierenze nite. Un secondo, indiscutibile, vantaggio ` luso di strategie e di griglia variabile, cio` la possibilit` di utilizzare un numero di elementi e a variabile a seconda del comportamento della soluzione, che lo rende particolarmente essibile. Dallaltro lato va consiederata anche una certa dicolt` a nella necessit` di riformulare il problema dierenziale in termini variazionali. a
Capitolo 7 Metodi iterativi per sistemi sparsi

7.1 Il Metodo di Jacobi
Come abbiamo visto nel capitolo dedicato alle equazioni ellittiche i sistemi lineari che derivano dalla discretizzazione di equazioni alle derivate parziali hanno grandi dimensioni e sono sparsi, cio` una buona parte degli elementi e della matrice dei coecienti sono nulli. Tuttavia quando si applicano i metodi diretti a tali sistemi succede che le matrici perdono la struttura di sparsit`, a cio` molti elementi nulli diventano diversi da zero e inoltre si ha il problema e di gestire matrici di grosse dimensioni, il che pu` causare un notevole degrado o delle prestazioni dei metodi usati. Per questi motivi si introduce una nuova classe di metodi, detti metodi iterativi. Supponiamo di dover risolvere il sistema Ax = b, con A matrice non singolare, b = 0. Assumiamo inoltre che gli elementi diagonali della matrice aii , i = 1, . . . , n, siano diversi da 0. La iesima equazione del sistema si scrive ai1 x1 + ai2 x2 + + ain xn = bi e, isolando xi risulta:
n
xi =
bi
j=1,j=i
aij xj
1 aii
i = 1, . . . , n.
Queste n equazioni sono del tutto equivalenti al sistema di partenza tuttavia la loro forma suggerisce particolari procedimenti iterativi per cercare la 109
CAPITOLO 7. METODI ITERATIVI PER SISTEMI SPARSI

(0) (0)
110
(0)
soluzione. A partire da unapprossimazione iniziale x(0) = (x1 , x2 , . . . , xn ) si calcola la successione di vettori {x(k) } ponendo
n
xi
(k+1)
bi
j=1,j=i
aij xj
(k)
1 aii
i = 1, . . . , n;
(7.1)
con k = 0, 1, 2, . . . . La generica componente iesima del vettore al passo k + 1 ` calcolata per e mezzo di tutte le componenti del vettore al passo k eccetto la iesima. Questo procedimento iterativo prende il nome di metodo di Jacobi.
7.2
Il Metodo di Gauss-Seidel
Una variante del metodo di Jacobi si ottiene osservando che, quando si calcola (k+1) (k+1) , con j = 1, . . . , i 1, si possono utilizzare le approssimazioni xj xi ottenendo
(k+1) xi
1 = aii
i1
n (k+1) aij xj
bi
j=1
j=i+1
aij xj
(k)
(7.2)
Si ottiene in questo modo il classico Metodo di Gauss-Seidel, dove la componente iesima al passo k + 1 ` calcolata per mezzo delle componenti dalla e prima alla i 1-esima al passo k + 1 e dalla i + 1-esima alla nesima al passo k. Si deve osservare che entrambi i metodi appena introdotti non utilizzano la componente iesima al passo k. Per questo si introduce una nuova variante che coinvolge tale valore a partire da un parametro = 0. Si propone lo schema
(k+1) xi
= bi aii
i1 (k+1) aij xj j=1
j=i+1
aij xj
(k)
+ (1 )xi .
(k)
(7.3)
Questa classe di metodi prende il nome di Metodi di Rilassamento. Si osserva facilmente che se si pone = 1 il metodo di Rilassamento coincide con il metodo di Gauss-Seidel. Tutti i metodi appena descritti tengono in conto il carattere sparso della matrice dei coecienti poich` si pu` evitare di eseguire prodotti del tipo aij xj e o quando aij ` nullo. Per decidere quando fermare il calcolo delle iterazioni e
111
si pu` pensare di ssare a priori una tolleranza e prendere x(k+1) come o approssimazione della soluzione quando risulta x(k+1) x(k) < x(k+1) per una ssata norma vettoriale. Di solito si sceglie come approssimazione iniziale x(0) il vettore nullo.
7.3
Il Metodo del Gradiente Coniugato

1 (x) = xT Ax xT b 2
Consideriamo il problema di minimizzare la funzione
dove b Rn e A Rnn ` una matrice simmetrica e denita positiva. La e soluzione del problema `: e x = A1 b quindi ha senso applicare i metodi di minimizzazione di (x) per risolvere il sistema lineare Ax = b. Un primo metodo per minimizzare (x) ` il metodo di steepest descent (trae ducibile in italiano come metodo di pi` ripida discesa). Esso si basa sulu losservazione che nel punto xc Rn la funzione decresce pi` rapidamente u nella direzione del gradiente con il segno cambiato: (xc ) = b Axc . Poniamo rc = b Axc il vettore detto residuo di xc . Se il residuo ` diverso da zero cerchiamo di e trovare il parametro > 0 tale che: (xc + rc ) < (xc ).
CAPITOLO 7. METODI ITERATIVI PER SISTEMI SPARSI Vediamo ora come calcolare il valore di . 1 (xc + rc ) = (xc + rc )T A(xc + rc ) (xc + rc )T b 2
112
1 = (xT Axc + rT Axc + xT Arc + 2 rT Arc ) xT b rT b = c c c c c 2 c = = 1 2 T rc Arc + 2 rT Axc rT b c c 2 1 + xT Axc xT b c 2 c
1 1 2 T rc Arc 2rT rc + xT Axc xT b. c c 2 2 c
Dovendo minimizzare la funzione (xc + rc ) calcoliamo il valore di che annulla la derivata prima: (xc + rc ) = rT Arc rT rc . c c Quindi (xc + rc ) = 0 Abbiamo quindi il seguente algoritmo: k=0 x0 arbitario r0 = b Ax0 while rk = 0 k = (rT rk )/(rT Ark ) k k xk+1 = xk + k rk rk = b Axk k =k+1 end Il vettore xk rappresenta unapprossimazione della soluzione. La convergenza del metodo dipende dallo spettro della matrice A ed in particolare dal rapporto tra gli autovalori estremi di A, cio` e 1 (A) . n (A) Quando tale rapporto ` grande la convergenza ` lenta. Inoltre quanto pi` e e u il vettore xk si avvicina alla soluzione tanto pi` il residuo rk ha componenti u = rT rc c . rT Arc c
113
piccole e quindi la velocit` di convergenza tende a diminuire. a Una modica del metodo consiste nel minimizzare la funzione (x) lungo una direzione pk di descrescita della funzione, cio` tale che e pk (xk ) < 0 determinando cos` lapprossimazione xk+1 = xk + k pk tale che (xk+1 ) = min (xk + k pk ).
R
Ripetendo i passaggi in modo gi` visto si ottiene a (xk + pk ) = (xk + pk )T Apk bT pk da cui, calcolando il punto stazionario, si ottiene k = (b Axk )T pk rT pk = Tk . pT Apk pk Apk k (7.4)
Poich` rT pk > 0 segue che k > 0. Calcolando il residuo al passo k + 1 si e k ottiene lespressione: b Axk+1 = b A(xk + k pk ) = b Axk + k Apk e quindi rk+1 = rk k Apk e, dalla (7.4): rT pk = (rk k Apk )T pk = rT pk k ApT pk = 0, k+1 k k quindi ad ogni passo il residuo rk+1 ` ortogonale al vettore direzione pk del e passo precedente. Il problema ` la scelta delle direzioni pk . In particolare e si pu` denire un metodo in cui viene scelta ad ogni passo una direzione o pk lungo cui muovere le approssimazioni che tenga conto delle direzioni p0 , p1 , . . . , pk1 calcolate ai passi precedenti. Un metodo che utilizza tale
114
strategia ` il metodo del gradiente coniugato in cui le direzioni sono denite e dai seguenti vettori: k=0 r0 pk = rk + k pk1 k 1, dove k R viene scelto in modo tale che risulti: pT Apk1 = 0 k cio` pk risulta Aconiugato rispetto al vettore pk1 . Imponendo tale proprie et` risulta: a (rk + k pk1 )T Apk1 = 0 rT Apk1 + k pT Apk1 = 0 k k1 k = rT Apk1 k , pT Apk1 k1 k 1. (7.5)
La direzione pk ` una direzione di decrescita di (x), infatti e pT (xk ) = pT rk = rT rk + k pT rk = rT rk > 0. k k k k1 k Il valore di k viene trovato nello stesso modo descritto nel metodo di pi` u ripida discesa. 1 (xk + k pk ) = (xk + k pk )T A(xk + k pk ) (xk + k pk )T b 2 1 2 = (xT Axk + k pT Axk + k xT Apk + k pT Apk ) xT b k pT b k k k k k 2 k = = 1 2 T k pk Apk + 2k pT Axk pT b k k 2 1 + xT Axk xT b k 2 k
1 2 T 1 k pk Apk 2k pT rk + xT Axk xT b. k k 2 2 k
Il valore di k che minimizza la funzione ` e k = rT rk pT rk k = Tk . pT Apk pk Apk k
CAPITOLO 7. METODI ITERATIVI PER SISTEMI SPARSI Ora rT rk1 = rT pk1 k1 rT pk2 = k1 rT pk2 k k k k e rT pk2 = rT pk2 k pT Apk2 = 0 k k1 k1 da cui segue che rT rk1 = 0, k cio` ogni vettore residuo ` ortogonale al precedente. Inoltre e e pT rk1 = rT rk1 + k pT rk1 = k pk1 rk1 = k rT rk1 k k k1 k1 e pT rk1 = pT rk + k1 pT Apk1 = pT rk = rT rk k k k k k ottenendo una nuova espressione per k : k = rT rk k . rT rk1 k1
115
(7.6)
(7.7) (7.8)
Possiamo riassumere il metodo del gradiente coniugato nel seguente algoritmo: k=0 x0 arbitario r0 = b Ax0 while rk = 0 k = (rT rk )/(rT rk1 ) (0 = 0 se k = 0) k k1 pk = rk + k pk1 (p0 = r0 se k = 0) k = (rT rk )/(pT Apk ) k k xk+1 = xk + k pk rk+1 = rk k Apk k =k+1 end

Analisinumerica

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Analisinumerica

Caricato da

Copyright:

Formati disponibili

Capitolo 1 Equazioni alle Derivate Parziali

e, analogamente quelle del primo ordine. ux = u , x 1 uy = u y

CAPITOLO 1. EQUAZIONI ALLE DERIVATE PARZIALI

CAPITOLO 1. EQUAZIONI ALLE DERIVATE PARZIALI

Classicazione delle equazioni alle derivate parziali

Consideriamo lequazione alle derivate parziali lineare

CAPITOLO 1. EQUAZIONI ALLE DERIVATE PARZIALI

CAPITOLO 1. EQUAZIONI ALLE DERIVATE PARZIALI

CAPITOLO 1. EQUAZIONI ALLE DERIVATE PARZIALI Lequazione di diusione 2 u u = 0, x2 t

` di Evoluzione e Parabolica ( = 0); e Lequazione di Burgers u u +u = 0, t x (1.2)

Infatti derivando (1.2) rispetto a x e a t si ottiene: 2u + xt e u x

Capitolo 2 Derivazione numerica

Approssimazione discreta delle derivate

CAPITOLO 2. DERIVAZIONE NUMERICA ti e ti+1 tali che ti1 = ti h, ti+1 = ti + h.

CAPITOLO 2. DERIVAZIONE NUMERICA

f (ti ) f (ti1 ) h f (ti+1 ) 2f (ti ) + f (ti1 ) 2h2

CAPITOLO 2. DERIVAZIONE NUMERICA

Analogamente si ricava h2 f (ti1 ) = f (ti ) hf (ti ) + f (i ), 2

CAPITOLO 2. DERIVAZIONE NUMERICA con errore

Approssimazioni di ordine superiore e di derivate di grado superiore

CAPITOLO 2. DERIVAZIONE NUMERICA

CAPITOLO 2. DERIVAZIONE NUMERICA

e la seguente di ordine 4: f (ti )

CAPITOLO 2. DERIVAZIONE NUMERICA

Approssimazione delle derivate su griglie non uniformi

e procediamo in modo analogo per f (ti1 ): f (ti1 ) = f (ti ) hf (ti ) +

CAPITOLO 2. DERIVAZIONE NUMERICA mentre lerrore vale: E(f (ti )) = h f (i ) s2 f (i ) . 3(1 + s)

Capitolo 3 Equazioni ellittiche

CAPITOLO 3. EQUAZIONI ELLITTICHE 3. u(x, y) ` armonica in . e

CAPITOLO 3. EQUAZIONI ELLITTICHE

Il metodo a 5 punti per lequazione di Laplace

CAPITOLO 3. EQUAZIONI ELLITTICHE

Lo schema numerico ` sintetizzato nel seguente stencil: e h2

CAPITOLO 3. EQUAZIONI ELLITTICHE

Ordinamento delle incognite

CAPITOLO 3. EQUAZIONI ELLITTICHE

CAPITOLO 3. EQUAZIONI ELLITTICHE

CAPITOLO 3. EQUAZIONI ELLITTICHE

CAPITOLO 3. EQUAZIONI ELLITTICHE

CAPITOLO 3. EQUAZIONI ELLITTICHE

CAPITOLO 3. EQUAZIONI ELLITTICHE

CAPITOLO 3. EQUAZIONI ELLITTICHE

CAPITOLO 3. EQUAZIONI ELLITTICHE

CAPITOLO 3. EQUAZIONI ELLITTICHE

CAPITOLO 3. EQUAZIONI ELLITTICHE

CAPITOLO 3. EQUAZIONI ELLITTICHE

CAPITOLO 3. EQUAZIONI ELLITTICHE

Convergenza del metodo a 5 punti

lim max |u(xi , yj ) uij | = 0,

CAPITOLO 3. EQUAZIONI ELLITTICHE

CAPITOLO 3. EQUAZIONI ELLITTICHE

Figura 3.9: Soluzione dellequazione di Laplace ottenuta con il metodo a 5 punti.

Equazione di Laplace su domini non poligonali

CAPITOLO 3. EQUAZIONI ELLITTICHE

Il caso del cerchio unitario

CAPITOLO 3. EQUAZIONI ELLITTICHE

CAPITOLO 3. EQUAZIONI ELLITTICHE

Il caso di un qualsiasi dominio irregolare

CAPITOLO 3. EQUAZIONI ELLITTICHE

Punti di conne Punti angolari Punti interni

CAPITOLO 3. EQUAZIONI ELLITTICHE

si pone: u(xi , yj+1 ) = f (xi , yj+1 ), u(xi+1 , yj ) = f (xi+1 , yj ).

CAPITOLO 3. EQUAZIONI ELLITTICHE